Scipy 简明教程
SciPy - Basic Functionality
默认情况下,所有 NumPy 函数都可通过 SciPy 名称空间获得。当导入 SciPy 时,无需显式导入 NumPy 函数。NumPy 的主要对象是同构多维数组。它是元素(通常是数字)的表格,所有元素都具有相同的类型,由正整数元组编制索引。在 NumPy 中,维度称为轴。 axes 的数量称为 rank 。
现在,让我们回顾一下 NumPy 中向量和矩阵的基本功能。由于 SciPy 构建在 NumPy 数组之上,因此需要了解 NumPy 基础知识。由于线性代数的大部分内容只处理矩阵。
Intrinsic NumPy Array Creation
NumPy 具有用于从头开始创建数组的内置函数。下面说明了其中一些函数。
Using zeros()
zeros(shape) 函数将创建一个填充有 0 值且形状为指定形状的数组。默认数据类型是 float64。让我们考虑以下示例。
import numpy as np
print np.zeros((2, 3))
以上程序的输出如下。
array([[ 0., 0., 0.],
[ 0., 0., 0.]])
Using ones()
ones(shape) 函数将创建一个填充有 1 值的数组。它在其他所有方面都与 zeros 相同。让我们考虑以下示例。
import numpy as np
print np.ones((2, 3))
以上程序的输出如下。
array([[ 1., 1., 1.],
[ 1., 1., 1.]])
Using arange()
arange() 函数将创建一个以规则递增值递增的数组。让我们考虑以下示例。
import numpy as np
print np.arange(7)
上述程序将生成以下输出。
array([0, 1, 2, 3, 4, 5, 6])
Matrix
矩阵是一个专门的二维数组,它通过操作保持其二维特性。它具有一些特殊运算符,例如 (矩阵乘法)和 *(矩阵幂)。让我们考虑以下示例。
import numpy as np
print np.matrix('1 2; 3 4')
上述程序将生成以下输出。
matrix([[1, 2],
[3, 4]])