基本运算

  • x**2 : x^2 若x是mat矩阵，那就表示x内每个元素求平方
  • inf：表示正无穷
  • 逻辑运算符：and，or，not

字典的get方法

a.get(k,d)
  • 1
  • 1

get相当于一条if…else…语句。若k在字典a中，则返回a[k]；若k不在a中，则返回参数d。

l = {5:2,3:4}

l.get(3,0)  返回值是4；

l.get（1,0）  返回值是0；
  • 1
  • 2
  • 3
  • 1
  • 2
  • 3

type函数：返回数据类型

type(x):返回x的类型

type(x)._name_：返回该类型的字符串表示
  • 1
  • 2
  • 1
  • 2

len函数：获得list或str的长度

reload函数：将之前导入过的模块重新加载进来

对复数的处理

complex(a,b)    #建立a+bj的复数

complex('2+1j') #将字符串形式的复数转成复数

real(x)         #取复数x的实部

imag(x)         #取复数x的虚部

abs(x)          #求x的模
  • 1
  • 2
  • 3
  • 4
  • 5
  • 1
  • 2
  • 3
  • 4
  • 5

next函数

本函数是返回迭代器的下一个元素的值。 
在Python 3中，只能使用next()函数（试图调用.next()方法会触发AttributeError）。

my_generator = (letter for letter in 'abcdefg')

next(my_generator)

>>>'a'
  • 1
  • 2
  • 3
  • 4
  • 1
  • 2
  • 3
  • 4

math模块

Python内置math模块，提供大部分常用数学运算函数。

使用 math 模块

math 模块是标准库中的，所以不用安装，可以直接使用。使用方法是：

>>> import math
  • 1
  • 1

常用函数

ceil(x) 取顶

floor(x) 取底

fabs(x) 取绝对值

factorial (x) 阶乘

hypot(x,y) 计算sqrt(x*x+y*y)

pow(x,y) x的y次方

sqrt(x) 开平方

log(x)

log10(x)

trunc(x)  截断取整数部分

isnan (x)  判断是否NaN(not a number)

degrees (x) 弧度转角度

radians(x) 角度转弧度

sin(x)

cos(x)

tan(x)

asin(x)

acos(x)

atan(x)

#例子：

a=math.atan(x)  #计算x的反正切值

seta=math.degrees(a)    #将弧度制表示的a转换成角度制表示的seta
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23

Numpy模块

模块的导入

from numpy import array/mat/shape/*

mm=array([1,2,3])   //

ss=mat([1,2,3])
  • 1
  • 2
  • 3
  • 4
  • 1
  • 2
  • 3
  • 4

Numpy中，mat必须是2维的,但是array可以是多维的（1D，2D，3D····ND）. Matrix是Array的一个小的分支，包含于Array。所以matrix 拥有array的所有特性。 
在numpy中matrix的主要优势是：相对简单的乘法运算符号。例如，a和b是两个matrices，那么a*b，就是矩阵积。

若a=mat([1,2,3]) 是矩阵，则 a.A 则转换成了数组，反之，a.M则转换成了矩阵

数组array

数组array的参数是列表，有

a=array([1,2,3])

b=array([[1,2,3],[4,5,6])
  • 1
  • 2
  • 1
  • 2

它有以下一些属性：

a.ndim      #秩，是数组轴的个数

a.shape     #数组的维度

a.size      #元素的总个数

a.dtype     #一个用来描述数组中元素类型的对象

a.dtype.name    #返回字符串形式的类型名
  • 1
  • 2
  • 3
  • 4
  • 5
  • 1
  • 2
  • 3
  • 4
  • 5

常用的Numpy运算

取矩阵中的某一行 ss[1,:] 或该行的某两列 ss[1,0:2] 
将数组转换成矩阵 randMat=mat(random.rand(4,4)) 
矩阵求逆 randMat.I 
单位阵 eye(4) 
零矩阵 zeros((x,y)) 建立x行y列的零矩阵 
最大值和最小值 a.max(),a.min() ,而a.max(0) 表示按列选取每列的最大值 
最大/小元素的下标 a.argmax(),a.argmin()

#作为方法

x.sum()     #所有元素相加

x.sum(axis=0)   #按列相加

x.sum(axis=1)   #按行相加

#作为函数

sum(a,axis=0)

ss.mean()

mean(a,axis=0(或1))  #按列或行求均值

var(a)

var(a,axis=0(或1))   #按列或行求方差

std(a)

std(a,axis=0(或1))   #按列或行求标准差

ss.T或ss.transpose()     #转置
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18

shape的用法

  1. shape作为函数，可以读取矩阵的长度，它的输入参数可以是一个矩阵。例如：
shape(3):一个单独的数字，返回值为空

shape([1]):一维矩阵[1]返回值为(1L,)

shape([[1],[2]]) :二维矩阵[[1],[2]]，返回两个值
  • 1
  • 2
  • 3
  • 1
  • 2
  • 3
  1. shape还可以作为矩阵的方法被调用，如
e=eye(3)

e.shape

>>(3L,3L)

e.shape[0]//读取第一维度的长度

>>3L
  • 1
  • 2
  • 3
  • 4
  • 5
  • 1
  • 2
  • 3
  • 4
  • 5

tile函数：重复某个数组

a=[0,1,2]

b=tile(a,2)

>>>b=([0,1,2,0,1,2])

b=tile(a,(2,1))

>>>b=([[0,1,2],

        [0,1,2]])

b=tile(a,(1,2))

>>>b=([[0,1,2],[0,1,2]])
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8

range函数：构造等差数列

range(1,5)：代表从1到5，不包含5：[1,2,3,4]

range(1,5,2)：代表从1到5，间隔为2，不包含5：[1,3]

range(5)：代表从0到5，不包含5：[0,1,2,3,4]
  • 1
  • 2
  • 3
  • 1
  • 2
  • 3

sort，sorted，argsort函数：排序

x.sort():

只可以应用于list对象，且是原地排序，排序过后list发生改变。

x.argsort():

得到矩阵每行的升序排序

sorted函数

排序并生成新的容器

一. 如果是普通的列表，可以直接使用sorted，如

a=[1,4,2,3,7]

b=sorted(a)
  • 1
  • 2
  • 1
  • 2

二. 如果是由元祖构成的元祖列表，就比较复杂，假设有

L=[('b',2),('a',1),('c',3)]
  • 1
  • 1

有两种写法或格式

  1. cmp格式
sorted(L,cmp=lambda x,y:cmp(x[1],y[1])
  • 1
  • 1
  1. key格式
sorted(L,key=lambda x:x[1])
  • 1
  • 1

其中还有个reverse可选项，reverse=True 则输出倒序，reverse=False 则输出正序。

三. 如果是字典，那么格式也略复杂 
假设有dic={'a':31,'bc':52,'c':3,'33':56} 
在python 3中，可以写成

sorted(dic.items(),key=lambda d:d[1],reserve=False)
  • 1
  • 1

其中，dic.items 返回字典键值对的元祖集合set 
还可以写成

sorted(dic.items(),key=operator.itemgetter(1),reserve=False)
  • 1
  • 1

其中，operator.itemgetter() 函数可以获取对象的某些维的数据

array的形状操作

a.ravel()   #展平成一维数组，a.flatten() 与之类似

a.reshape(m,n)  #返回一个新数组，但原数组本身不变

a.resize(m,n)   #返回一个新数组的同时也改变原数组本身
  • 1
  • 2
  • 3
  • 1
  • 2
  • 3

其他通用函数或方法

a.copy()    #对元素进行复制

c=sqrt(a)   #计算元素的平方根

c=exp(a)

c=abs(a)

c=add(a,b)  #a和b对应元素相加

c=subtract(a,b) #a和b对应元素相减

c=multiply(a,b) #a和b对应元素相乘

c=divide(a,b)   #a和b对应元素相除

nonzero(a)      #返回a中所有不为零的元素的下标位置
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9

对array和matrix而言，(a>3)或(a==3) 返回一个同类型的布尔值 
例如：

a=array([1,2,3])

b=(a==2)

>>>b=array([False,True,False])
  • 1
  • 2
  • 3
  • 4
  • 1
  • 2
  • 3
  • 4

Numpy中的线性代数子库linalg

linalg中包含了许多线性代数的方法

linalg.det(a)   #求a的行列式

linalg.inv(a)   #求a的逆矩阵
  • 1
  • 2
 
  • 1
  • 2

基本运算

  • x**2 : x^2 若x是mat矩阵，那就表示x内每个元素求平方
  • inf：表示正无穷
  • 逻辑运算符：and，or，not

基本函数

字典的get方法

a.get(k,d)
  • 1
  • 1

get相当于一条if…else…语句。若k在字典a中，则返回a[k]；若k不在a中，则返回参数d。

l = {5:2,3:4}

l.get(3,0)  返回值是4；

l.get（1,0）  返回值是0；
  • 1
  • 2
  • 3
  • 1
  • 2
  • 3

type函数：返回数据类型

type(x):返回x的类型

type(x)._name_：返回该类型的字符串表示
  • 1
  • 2
  • 1
  • 2

len函数：获得list或str的长度

reload函数：将之前导入过的模块重新加载进来

对复数的处理

complex(a,b)    #建立a+bj的复数

complex('2+1j') #将字符串形式的复数转成复数

real(x)         #取复数x的实部

imag(x)         #取复数x的虚部

abs(x)          #求x的模
  • 1
  • 2
  • 3
  • 4
  • 5
  • 1
  • 2
  • 3
  • 4
  • 5

next函数

本函数是返回迭代器的下一个元素的值。 
在Python 3中，只能使用next()函数（试图调用.next()方法会触发AttributeError）。

my_generator = (letter for letter in 'abcdefg')

next(my_generator)

>>>'a'
  • 1
  • 2
  • 3
  • 4
  • 1
  • 2
  • 3
  • 4

math模块

Python内置math模块，提供大部分常用数学运算函数。

使用 math 模块

math 模块是标准库中的，所以不用安装，可以直接使用。使用方法是：

>>> import math
  • 1
  • 1

常用函数

ceil(x) 取顶

floor(x) 取底

fabs(x) 取绝对值

factorial (x) 阶乘

hypot(x,y) 计算sqrt(x*x+y*y)

pow(x,y) x的y次方

sqrt(x) 开平方

log(x)

log10(x)

trunc(x)  截断取整数部分

isnan (x)  判断是否NaN(not a number)

degrees (x) 弧度转角度

radians(x) 角度转弧度

sin(x)

cos(x)

tan(x)

asin(x)

acos(x)

atan(x)

#例子：

a=math.atan(x)  #计算x的反正切值

seta=math.degrees(a)    #将弧度制表示的a转换成角度制表示的seta
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23

Numpy模块

模块的导入

from numpy import array/mat/shape/*

mm=array([1,2,3])   //

ss=mat([1,2,3])
  • 1
  • 2
  • 3
  • 4
  • 1
  • 2
  • 3
  • 4

Numpy中，mat必须是2维的,但是array可以是多维的（1D，2D，3D····ND）. Matrix是Array的一个小的分支，包含于Array。所以matrix 拥有array的所有特性。 
在numpy中matrix的主要优势是：相对简单的乘法运算符号。例如，a和b是两个matrices，那么a*b，就是矩阵积。

若a=mat([1,2,3]) 是矩阵，则 a.A 则转换成了数组，反之，a.M则转换成了矩阵

数组array

数组array的参数是列表，有

a=array([1,2,3])

b=array([[1,2,3],[4,5,6])
  • 1
  • 2
  • 1
  • 2

它有以下一些属性：

a.ndim      #秩，是数组轴的个数

a.shape     #数组的维度

a.size      #元素的总个数

a.dtype     #一个用来描述数组中元素类型的对象

a.dtype.name    #返回字符串形式的类型名
  • 1
  • 2
  • 3
  • 4
  • 5
  • 1
  • 2
  • 3
  • 4
  • 5

常用的Numpy运算

取矩阵中的某一行 ss[1,:] 或该行的某两列 ss[1,0:2] 
将数组转换成矩阵 randMat=mat(random.rand(4,4)) 
矩阵求逆 randMat.I 
单位阵 eye(4) 
零矩阵 zeros((x,y)) 建立x行y列的零矩阵 
最大值和最小值 a.max(),a.min() ,而a.max(0) 表示按列选取每列的最大值 
最大/小元素的下标 a.argmax(),a.argmin()

#作为方法

x.sum()     #所有元素相加

x.sum(axis=0)   #按列相加

x.sum(axis=1)   #按行相加

#作为函数

sum(a,axis=0)

ss.mean()

mean(a,axis=0(或1))  #按列或行求均值

var(a)

var(a,axis=0(或1))   #按列或行求方差

std(a)

std(a,axis=0(或1))   #按列或行求标准差

ss.T或ss.transpose()     #转置
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18

shape的用法

  1. shape作为函数，可以读取矩阵的长度，它的输入参数可以是一个矩阵。例如：
shape(3):一个单独的数字，返回值为空

shape([1]):一维矩阵[1]返回值为(1L,)

shape([[1],[2]]) :二维矩阵[[1],[2]]，返回两个值
  • 1
  • 2
  • 3
  • 1
  • 2
  • 3
  1. shape还可以作为矩阵的方法被调用，如
e=eye(3)

e.shape

>>(3L,3L)

e.shape[0]//读取第一维度的长度

>>3L
  • 1
  • 2
  • 3
  • 4
  • 5
  • 1
  • 2
  • 3
  • 4
  • 5

tile函数：重复某个数组

a=[0,1,2]

b=tile(a,2)

>>>b=([0,1,2,0,1,2])

b=tile(a,(2,1))

>>>b=([[0,1,2],

        [0,1,2]])

b=tile(a,(1,2))

>>>b=([[0,1,2],[0,1,2]])
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8

range函数：构造等差数列

range(1,5)：代表从1到5，不包含5：[1,2,3,4]

range(1,5,2)：代表从1到5，间隔为2，不包含5：[1,3]

range(5)：代表从0到5，不包含5：[0,1,2,3,4]
  • 1
  • 2
  • 3
  • 1
  • 2
  • 3

sort，sorted，argsort函数：排序

x.sort():

只可以应用于list对象，且是原地排序，排序过后list发生改变。

x.argsort():

得到矩阵每行的升序排序

sorted函数

排序并生成新的容器

一. 如果是普通的列表，可以直接使用sorted，如

a=[1,4,2,3,7]

b=sorted(a)
  • 1
  • 2
  • 1
  • 2

二. 如果是由元祖构成的元祖列表，就比较复杂，假设有

L=[('b',2),('a',1),('c',3)]
  • 1
  • 1

有两种写法或格式

  1. cmp格式
sorted(L,cmp=lambda x,y:cmp(x[1],y[1])
  • 1
  • 1
  1. key格式
sorted(L,key=lambda x:x[1])
  • 1
  • 1

其中还有个reverse可选项，reverse=True 则输出倒序，reverse=False 则输出正序。

三. 如果是字典，那么格式也略复杂 
假设有dic={'a':31,'bc':52,'c':3,'33':56} 
在python 3中，可以写成

sorted(dic.items(),key=lambda d:d[1],reserve=False)
  • 1
  • 1

其中，dic.items 返回字典键值对的元祖集合set 
还可以写成

sorted(dic.items(),key=operator.itemgetter(1),reserve=False)
  • 1
  • 1

其中，operator.itemgetter() 函数可以获取对象的某些维的数据

array的形状操作

a.ravel()   #展平成一维数组，a.flatten() 与之类似

a.reshape(m,n)  #返回一个新数组，但原数组本身不变

a.resize(m,n)   #返回一个新数组的同时也改变原数组本身
  • 1
  • 2
  • 3
  • 1
  • 2
  • 3

其他通用函数或方法

a.copy()    #对元素进行复制

c=sqrt(a)   #计算元素的平方根

c=exp(a)

c=abs(a)

c=add(a,b)  #a和b对应元素相加

c=subtract(a,b) #a和b对应元素相减

c=multiply(a,b) #a和b对应元素相乘

c=divide(a,b)   #a和b对应元素相除

nonzero(a)      #返回a中所有不为零的元素的下标位置
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9

对array和matrix而言，(a>3)或(a==3) 返回一个同类型的布尔值 
例如：

a=array([1,2,3])

b=(a==2)

>>>b=array([False,True,False])
  • 1
  • 2
  • 3
  • 4
  • 1
  • 2
  • 3
  • 4

Numpy中的线性代数子库linalg

linalg中包含了许多线性代数的方法

linalg.det(a)   #求a的行列式

linalg.inv(a)   #求a的逆矩阵

Python：基本运算、基本函数（包括复数）、Math模块、NumPy模块的更多相关文章

  1. Python 绘图与可视化 matplotlib 散点图、numpy模块的random（）

    效果: 代码: def scatter_curve(): # plt.subplot(1,1,1) n=1024 X=np.random.normal(0,1,n) Y=np.random.norma ...

  2. Python之路-numpy模块

    这里是首先需要安装好Anaconda Anaconda的安装参考Python之路-初识python及环境搭建并测试 配置好环境之后开始使用Jupyter Notebook 1.打开cmd,输入 jup ...

  3. 开发技术--Numpy模块

    开发|Numpy模块 Numpy模块是数据分析基础包,所以还是很重要的,耐心去体会Numpy这个工具可以做什么,我将从源码与 地产呢个实现方式说起,祝大家阅读愉快! Numpy模块提供了两个重要对象: ...

  4. numpy模块、matplotlib模块、pandas模块

    目录 1. numpy模块 2. matplotlib模块 3. pandas模块 1. numpy模块 numpy模块的作用 用来做数据分析,对numpy数组(既有行又有列)--矩阵进行科学计算 实 ...

  5. numpy模块&pandas模块

    目录 numpy模块 pandas模块 numpy模块 import pandas as pd import numpy as np df=pd.Series(np.array(['a','b'])) ...

  6. Python中math和cmath模块的使用

    目录 Math模块 Cmath模块 Math模块 pi                数字常量,圆周率 e                 表示一个常量 sqrt(x)         求x的平方根 ...

  7. Python科学计算—numpy模块总结（1）

    作为一个本科学数学专业,目前研究非线性物理领域的研究僧.用什么软件进行纯科学计算好,Fortran永远是第一位的:matlab虽然很强大,可以很容易的处理大量的大矩阵,但是求解我们的模型(有时可能是几 ...

  8. 【Python 数据分析】Numpy模块

    Numpy模块可以高效的处理数据,提供数组支持.很多模块都依赖他,比如:pandas.scipy.matplotlib 安装Numpy 首先到网站:https://www.lfd.uci.edu/~g ...

  9. python numpy模块

    目录 numpy模块 一维数组 二维数组(用的最多的) 获取多维数组的行和列 多维数组的索引 高级功能 多维数组的元素的替换 通过函数方法创建多维数组 矩阵的运算 点乘和转置(了解) 点乘必须 m*n ...

随机推荐

  1. jquery ajax调用WCF，采用System.ServiceModel.WSHttpBinding协议

    采用System.ServiceModel.WSHttpBinding或者basicHttpBinding 协议.客户端就不能直接在前端通过url直接访问服务了 它是基于SOAP协议的bing,会采用 ...

  2. 转multicast vs broadcast

    转自:http://blog.csdn.net/bloghome/article/details/4682984 一.multicast概述:   多媒体应用集成了声音.图形.动画.文本以及视频,这种 ...

  3. OGG_GoldenGate数据迁移三进程Extract / Dump / Relicat（案例）

    2014-03-04 Created By BaoXinjian

  4. Python lower() 方法

    描述 Python lower() 方法转换字符串中所有大写字符为小写,其效果和 casefold() 方法非常相似. 两者的区别是:lower() 方法只对ASCII编码,也就是‘A-Z’有效,对于 ...

  5. Python radians() 函数

    描述 radians() 方法将角度转换为弧度. 语法 以下是 radians() 方法的语法: import math math.radians(x) 注意:radians()是不能直接访问的,需要 ...

  6. django中cookies和session

    django中cookies和session是两个经常使用的用户认证工具.都是类似于字典的数据类型,都是request的内部属性 cookies的读写方法 cookies读,比如username us ...

  7. QWidget子窗口中setStyleSheet无效，解决方法

    继承 QWidget setStyleSheet无效,解决方法. 发现 继承自QWidget的自定义类 ,使用setStyleSheet无效, 如果删除头文件中的 Q_OBJECT,setStyleS ...

  8. ev3dev ：利用ssh登录系统

    ev3dev是在debian 8 的基础上修改的,主页上只介绍了利用usb连接系统后,ssh登录的方法. 可是我想用wifi连接到网络后,用ssh登录,非usb线连接. ev3dev的默认用户名为:r ...

  9. modelsim与debussy联调环境的搭建

    为了方便查看波形,找来了一款软件——debussy,它的一个优点是任你查看设计内信号,只需一个波形文件,如FSDB文件.而不用像modelsim那样想看某些信号,添加了之后还要重新编译仿真,浪费了很多 ...

  10. Mysql 中创建索引和索引的使用问题

    在数据库中合理的使用索引是提升mysql数据库的一种高效和快捷的方式,但是在索引的使用上在我的使用中发现有很多坑,因为自己之前没有认识到,所以来总结一下 索引的介绍 索引是一种特殊的文件,其中包含着对 ...