1. 引言
創(chuàng)新互聯(lián)公司長(zhǎng)期為上千多家客戶提供的網(wǎng)站建設(shè)服務(wù),團(tuán)隊(duì)從業(yè)經(jīng)驗(yàn)10年,關(guān)注不同地域、不同群體,并針對(duì)不同對(duì)象提供差異化的產(chǎn)品和服務(wù);打造開(kāi)放共贏平臺(tái),與合作伙伴共同營(yíng)造健康的互聯(lián)網(wǎng)生態(tài)環(huán)境。為浦北企業(yè)提供專業(yè)的網(wǎng)站建設(shè)、成都網(wǎng)站設(shè)計(jì),浦北網(wǎng)站改版等技術(shù)服務(wù)。擁有十余年豐富建站經(jīng)驗(yàn)和眾多成功案例,為您定制開(kāi)發(fā)。最近在將一個(gè)算法由matlab轉(zhuǎn)成python,初學(xué)python,很多地方還不熟悉,總體感覺(jué)就是上手容易,實(shí)際上很優(yōu)雅地用python還是蠻難的。目前為止,覺(jué)得就算法仿真研究而言,還是matlab用得特別舒服,可能是比較熟悉的緣故吧。matlab直接集成了很多算法工具箱,函數(shù)查詢、調(diào)用、變量查詢等非常方便,或許以后用久了python也會(huì)感覺(jué)很好用。與python相比,最喜歡的莫過(guò)于可以直接選中某段代碼執(zhí)行了,操作方便,python也可以實(shí)現(xiàn),就是感覺(jué)不是很方便。
言歸正傳,做算法要用到很多的向量和矩陣運(yùn)算操作,這些嘛在matlab里面已經(jīng)很熟悉了,但用python的時(shí)候需要用一個(gè)查一個(gè),挺煩的,所以在此稍作總結(jié),后續(xù)使用過(guò)程中會(huì)根據(jù)使用體驗(yàn)更新。
python的矩陣運(yùn)算主要依賴numpy包,scipy包以numpy為基礎(chǔ),大大擴(kuò)展了后者的運(yùn)算能力。
2. 創(chuàng)建一般的多維數(shù)組
import numpy as np a = np.array([1,2,3], dtype=int) # 創(chuàng)建1*3維數(shù)組 array([1,2,3]) type(a) # numpy.ndarray類型 a.shape # 維數(shù)信息(3L,) a.dtype.name # 'int32' a.size # 元素個(gè)數(shù):3 a.itemsize #每個(gè)元素所占用的字節(jié)數(shù)目:4 b=np.array([[1,2,3],[4,5,6]],dtype=int) # 創(chuàng)建2*3維數(shù)組 array([[1,2,3],[4,5,6]]) b.shape # 維數(shù)信息(2L,3L) b.size # 元素個(gè)數(shù):6 b.itemsize # 每個(gè)元素所占用的字節(jié)數(shù)目:4 c=np.array([[1,2,3],[4,5,6]],dtype='int16') # 創(chuàng)建2*3維數(shù)組 array([[1,2,3],[4,5,6]],dtype=int16) c.shape # 維數(shù)信息(2L,3L) c.size # 元素個(gè)數(shù):6 c.itemsize # 每個(gè)元素所占用的字節(jié)數(shù)目:2 c.ndim # 維數(shù) d=np.array([[1,2,3],[4,5,6]],dtype=complex) # 復(fù)數(shù)二維數(shù)組 d.itemsize # 每個(gè)元素所占用的字節(jié)數(shù)目:16 d.dtype.name # 元素類型:'complex128'
另外有需要云服務(wù)器可以了解下創(chuàng)新互聯(lián)scvps.cn,海內(nèi)外云服務(wù)器15元起步,三天無(wú)理由+7*72小時(shí)售后在線,公司持有idc許可證,提供“云服務(wù)器、裸金屬服務(wù)器、高防服務(wù)器、香港服務(wù)器、美國(guó)服務(wù)器、虛擬主機(jī)、免備案服務(wù)器”等云主機(jī)租用服務(wù)以及企業(yè)上云的綜合解決方案,具有“安全穩(wěn)定、簡(jiǎn)單易用、服務(wù)可用性高、性價(jià)比高”等特點(diǎn)與優(yōu)勢(shì),專為企業(yè)上云打造定制,能夠滿足用戶豐富、多元化的應(yīng)用場(chǎng)景需求。