NumPy学习笔记 一

NumPy学习笔记 一

《NumPy学习笔记》系列将记录学习NumPy过程中的动手笔记,前期的参考书是《Python数据分析基础教程 NumPy学习指南》第二版、《数学分析》第四版(华东师范大学数学系)、《概率论与数理统计》(陈希孺,中科大出版)、《概率论与数理统计》第二版(茆诗松、程依明等编)、《组合最优化:理论与方法》(现代数学译丛23)。笔记一主要记录NumPy&SciPy及相关软件的环境准备部分。

NumPy的官方网站上(http://www.numpy.org/)详细介绍了三种安装NumPy&SciPy的方法(https://www.scipy.org/scipylib/download.html):

一. 官方源码及二进制发布


Project


Available packages


Download location


NumPy


Official source code (all platforms) and binariesfor WindowsLinux and Mac OS X


PyPI page for NumPy


SciPy


Official source code (all platforms) and binariesfor WindowsLinux and Mac OS X


SciPy release page (sources)

PyPI page for SciPy (all)

推荐使用Python pip来安装,简单,并且获取的是最新的发布版。

以下命令在ubuntu 17.10上安装NumPy&SciPy

   sudo apt install python3-pip

   pip3 install numpy

   pip3 install scipy

二. 访问源代码仓库

NumPy和SciPy的官方仓库都在Github上。

检出最新的NumPy源码:

git clone https://github.com/numpy/numpy.git

检出最新的SciPy源码:

git clone https://github.com/scipy/scipy.git

编译参考:https://docs.scipy.org/doc/scipy-dev/reference/building/index.html

三. 第三方/供应商 包管理器

下面是部分第三方和操作系统供应商包管理器包含的NumPy和SciPy包


Distribution


NumPy Packages


SciPy Packages


Arch Linux


python-numpy


python-scipy


Debian GNU/Linux


python-numpy


python-scipy


Ubuntu Linux


python-numpy


python-scipy


Fedora


numpy


scipy


Fink


numpy-py27, numpy-py35


scipy-py27, scipy-py35


FreeBSD (Ports)


math/py-numpy


science/py-scipy


Gentoo Linux


dev-python/numpy


sci-libs/scipy


MacPorts


py-numpy,


py-scipy,


NetBSD (pkgsrc)


math/py-numpy


math/py-scipy


OpenSUSE


python-numpy, python-numpy-devel


python-scipy, python-scipy-devel


Slackware Linux


numpy (slackbuilds.org)


scipy (slackbuilds.org)

在Ubuntu 17.10上安装通过apt包管理器安装

     sudo apt install num-py

     sudo apt install python-numpy

不推荐使用该种方式,因为获取的软件版本往往较低。

安装matplotlib和ipython,同样推荐使用pip安装

pip3 install matplotlib

pip3 install ipython
时间: 2024-08-08 00:45:51

NumPy学习笔记 一的相关文章

Numpy学习笔记(二)

最近一直在学HTML5和CSS3,Numpy的东西都有些生疏,那本书是已经看完了的,紧跟着相关的代码也都敲了一遍,还是发现了一些问题,因为这样的学习方式,总感觉太被动,紧紧跟着示例代码,缺少了整体观,即使你现在问我Numpy可以处理什么问题,我还是回答不出.所以,有必要回头重来一遍,再一次审视代码背后的意义,写博客真的是一个很不错的方式,毕竟,如果你不懂,写出来的文字必然也是混乱的. 那,下面记录一下Numpy学习笔记(二) Example1 文件读写:数据不应该仅仅存在内存里,应该及时保存在硬

NumPy学习笔记 三 股票价格

NumPy学习笔记 三 股票价格 <NumPy学习笔记>系列将记录学习NumPy过程中的动手笔记,前期的参考书是<Python数据分析基础教程 NumPy学习指南>第二版.<数学分析>第四版(华东师范大学数学系).<概率论与数理统计>(陈希孺,中科大出版).<概率论与数理统计>第二版(茆诗松.程依明等编).<组合最优化:理论与方法>(现代数学译丛23).笔记三主要操作股票价格数据. 股票价格数据通常包括开盘价.最高价.最低价和收盘价.

Numpy学习笔记(一)

Python本身支持的数据结构不多,除了int.float和string等一些常规的之外,还有列表.元祖.字典,都有自己的属性和方法,怎么说呢,功能已经足够强大,解决一般的问题已经足够,可当数据量增大,计算形式变得多样,这种普通的数据结构效率不高,况且python本身对于数组的支持不是很好,这也是为什么会有一批类似于numpy.scipy.panda等第三方库,大大扩展了python的功能,胶水的本质越来越突出.学习的成本也不高,不会像重新学一门语言那么困难,况且据了解,python的科学计算能

NumPy学习笔记:4、高级运算

一.多项式 举个例子,: >>> p = np.poly1d([3, 2, -1]) >>> p(0) -1 >>> p.roots array([-1. , 0.33333333]) >>> p.order 2 1.更多与多项式相关 同样以 为例: >>> p = np.polynomial.Polynomial([-1, 2, 3]) # coefs in different order! >>>

Python numpy学习笔记(一)

下边代码是关于numpy的一些基本用法,包括数组和矩阵操作等... 1 import numpy as np 2 print "<== print version ==>" 3 print np.version.version 4 print "<== 1-dimensional array ==>" 5 print np.array([1, 2, 3, 4, 5]) 6 print "<== 2-dimentional ar

NumPy学习笔记:3、更加复杂的数组

一.更多的数据类型 1.Casting (1) 在混合数据类型的运算中,最终运算结果的数据类型与size更大的数据类型相同. >>> np.array([1, 2, 3]) + 1.5 array([ 2.5, 3.5, 4.5]) (2) 给数组中的元素赋值,并不能改变整个数组的数据类型.(若把整型数组中的某个元素赋值为浮点型数据,则这个浮点型数据会被截断为整型) >>> a = np.array([1, 2, 3]) >>> a.dtype dty

NumPY学习笔记

对于被多年数据库应用锻炼成"二维表"思路的人来说,NumPY的ndarray实在是太好用了! 1.创建数组 可以用np.array(python数组),np.ones,np.zeros,np.arange等方式创建,需要注意对zeros传递参数,需要括起来 a=np.zeros((2,3))array([[ 0.,  0.,  0.],       [ 0.,  0.,  0.]]) 2.不支持多种类型并存 >>> c=np.array(['aa',1,2])>

NumPy学习笔记(1)

1. 程序开头导入库 import numpy as np 2. 创建数组(ndarray) a = [1,2,3,4] aa = np.array(a)--------->生成一维数组 bb = np.array([a,a])----->生成二维数组 aa.shape bb.shape------------------>获得尺寸(2, 4) bb.shape = (1,8) ---------> Reshape为1X8数组,8可以用-1表示,这样自动计算尺寸 c = bb.re

Numpy学习笔记练习代码 ——(二)

import numpy as np A = np.array([(1,'First',0.5,1+2j),(2,'Second',1.5,1+3j),(3,'Third',0.8,1-2j)],dtype=('i2,a6,f4,c8')) A Out[3]: array([(1, b'First', 0.5 , 1.+2.j), (2, b'Second', 1.5 , 1.+3.j), (3, b'Third', 0.80000001, 1.-2.j)], dtype=[('f0', '<i