数学之路-python计算实战(5)-初识numpy以及pypy下执行numpy

N

、有用的线性代数、傅里叶变换和随机数生成函数。numpy和稀疏矩阵运算包scipy配合使用更加方便。
NumPy（Numeric Python）提供了很多高级的数值编程工具，如：矩阵数据类型、矢量处理。以及精密的运算库。

专为进行严格的数字处理而产生。多为非常多大型金融公司使用。以及核心的科学计算组织如：LawrenceLivermore，NASA用其处理一些本来使用C++。Fortran或Matlab等所做的任务。

git clonehttps://bitbucket.org/pypy/numpy.git

cd numpy

pypy setup.pyinstall

deep@myddb:~$pypy
Python 2.7.6 (32f35069a16d819b58c1b6efb17c44e3e53397b2, Jun 26 2014, 21:49:19)
[PyPy 2.3.1 with GCC 4.6.3] on linux2
Type "help", "copyright", "credits" or"license" for more information.
>>>> import numpy as np
>>>>

本博客全部内容是原创。假设转载请注明来源

http://blog.csdn.net/myhaspl/

比python标准库更方便的是。numpy提供了一个N维数组类型ndarray，这是一个容器类型。存储了同样类型与大小的数据项。ndarray能够被切片，拥有整数索引，每一个数据项占有一样的内存空间，数组对象的维度数目由shape属性定义。这是一个元组，数据项的类型由dtype定义。

>>>> myx=np.array([[11,22,33],[44,55,66]])
>>>>myy=np.array([myx,myx])
>>>> myy
array([[[11, 22,33],
       [44, 55, 66]],

[[11, 22, 33],
       [44, 55, 66]]])

>>>>myx[0]=[111,222,333]
>>>> myy
array([[[11, 22,33],
       [44, 55, 66]],

[[11, 22, 33],
       [44, 55, 66]]])
>>>>myx.dtype

dtype('int32')

>>>>myy.dtype

dtype('int32')

>>>>myy.shape

(2, 2, 3)

>>>>myx.shape

(2, 3)

>>>>

以上代码演示了基本使用。ndarray对象本身能够做为还有一个ndarray对象的数据项，会生成一个复制品，所以对内嵌对象的改动不会有副作用。