python--numpy模塊、spicy模塊、 matplotlib模塊

一：numpy模塊

ndarray:存儲單一數據類型的多維數組

ufunc:可以對數組進行處理的函數(universal function object)

#numpy 中arange用法，指定開始值/終止值/步長來建立一維數組數組，可是數組不包括終值。
 arange_array=np.arange(1,2,0.1)
 re_arange_array=arange_array.reshape(2,5)#使用reshape從新定義數組的維度或者數組的大小
 print "arange_array is array,it's %s " % arange_array
 print "re_arange_array is:%s" % re_arange_array

#linspace函數經過指定開始值、終值和元素個數來建立一維數組，能夠經過endpoint關鍵字指定
 #是否包括終值，缺省設置是包括終值:
 linspace_array=np.linspace(0, 1, 12)#建立的是等差數列！
 print "linspace_array is: %s" % linspace_array

#logspace建立等比數列，產生起始值10^起始值，到10^終止值，n個值的一維數組
 logspace_array=np.logspace(0,2,30)
 print "logspace array is: %s" % logspace_array

def fun2(i,j):
 return (i+1)*(j+1)
 b=np.fromfunction(fun2,(9,9))
 #fromfunction從函數建立數組，自定義函數，從函數中建立數組;
 #frompyfunc的調用格式爲frompyfunc(func, nin, nout),nin是此函數的輸入參數的個數，nout是此函數的返回值的個數。
 print 'b is:%s' %b

_{Data type objects (dtype) and 結構數組}

數據類型（data type object, ie. numpy.dtype的實例）描述的是array對象怎樣解析內存中的固定大小的內存段。它描素了數據的一下幾個方面：

1. 數據的類型(integer, float, Python object, etc.)
2. 數據的大小(how many bytes is in e.g. the integer)
3. 二進制位的存儲順序(little-endian or big-endian)
4. 若是數據類型（data type）是一條記錄，即其餘數據類型的組合(e.g., describing an array item consisting of an integer and a float),這和C語言裏面的struct相似。

1. 記錄的各個數據的名稱是什麼，怎麼獲取這個子數據。
2. 每一個子數據的的類型是什麼。
3. 每一個子數據都使用哪一部份內存。

5. 若是數據是一個子數組，它的形狀是什麼。

　　

 import numpy as np;

persontype=np.dtype({ 'names':['name','age','weight'], 'formats':['S32','i','f']})
a = np.array([("zhuang",32,75.5),("wang",24,65.2)],dtype=persontype) 
print a[1]['name']
print a.strides

 擴展：經常使用tile函數和repeat函數擴展numpy模塊

1:numpy.tile(A,B)函數：重複A，B次，這裏的B能夠時int類型也能夠是元組類型

>>> import numpy
>>> numpy.tile([0,0],5)#在列方向上重複[0,0]5次，默認行1次
array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0])
>>> numpy.tile([0,0],(1,1))#在列方向上重複[0,0]1次，行1次
array([[0, 0]])
>>> numpy.tile([0,0],(2,1))#在列方向上重複[0,0]1次，行2次
array([[0, 0],
       [0, 0]])
>>> numpy.tile([0,0],(3,1))
array([[0, 0],
       [0, 0],
       [0, 0]])
>>> numpy.tile([0,0],(1,3))#在列方向上重複[0,0]3次，行1次
array([[0, 0, 0, 0, 0, 0]])
>>> numpy.tile([0,0],(2,3))<span style="font-family: Arial, Helvetica, sans-serif;">#在列方向上重複[0,0]3次，行2次</span>
array([[0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0]])

2:repeat(A):重複A次  repeat([A,B]):對應重複A次，B次

>>> from numpy import *
>>> repeat(7.,4)
array([ 7.,  7.,  7.,  7.])
>>> a=array([10,20])
>>> a.repeat([3,2])
array([10, 10, 10, 20, 20])
>>> repeat(a,[3,2])
array([10, 10, 10, 20, 20])
>>> a=array([[10,20],[30,40]])
>>> a.repeat([3,2],axis=0)
array([[10, 20],
       [10, 20],
       [10, 20],
       [30, 40],
       [30, 40]])
>>> a.repeat([3,2],axis=1)
array([[10, 10, 10, 20, 20],
       [30, 30, 30, 40, 40]])
>>> 

3:sum函數：

sum（a，axis=0）:普通的相加

sum(axis=1) ：將一個矩陣的每一行向量相加

4:argsort函數：返回排序後元素在原對象中的下標，屬於numpy中的函數

區別於sort函數和sorted函數

（1）、sort 只是list類型的內建函數，對其餘非列表型序列不適用。

（2）、sorted是全部類型的內建函數 ,返回排序後的對象，原對象不改變。進階：sorted(a,key=...,reversed=True)

a=array([(5,4,3,2,6),(7,8,0,1,9)])
>>> a
array([[5, 4, 3, 2, 6],
       [7, 8, 0, 1, 9]])
>>> a.argsort()
array([[3, 2, 1, 0, 4],
       [2, 3, 0, 1, 4]], dtype=int64)

5:zeros：建立0矩陣

二：spicy模塊