Numpy SciPy/NumPy 导入指南

在本文中，我们将介绍如何正确导入Numpy与SciPy，并给出一些示例说明。

阅读更多：Numpy 教程

导入Numpy

在导入Numpy时，我们需要使用以下代码：

import numpy as np

这一行代码的意思是，“将Numpy库导入，并用np作为它的别名”。在日常使用中，我们将使用np来引用Numpy库内的函数和变量。

Numpy的核心功能是支持数组操作。下面是一个简单的例子：

a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
c = a + b
print(c)

这个例子中，我们创建了两个一维数组a和b，并将它们相加得到了新的数组c。输出的结果是[5, 7, 9]。

Numpy也支持矩阵操作。下面是一个简单的例子：

a = np.matrix('1 2; 3 4')
b = np.matrix('5 6; 7 8')
c = a * b
print(c)

这个例子中，我们创建了两个二维矩阵a和b，并将它们相乘得到了新的矩阵c。输出的结果是[[19, 22], [43, 50]]。

在导入SciPy时，我们需要使用以下代码：

import scipy as sp

这一行代码的意思是，“将SciPy库导入，并用sp作为它的别名”。

和Numpy类似，SciPy也有很多子模块。下面是一些常用的例子：

from scipy import constants as const
print(const.c)

这个例子中，我们从SciPy的constants子模块中导入c（速度光）。输出的结果是299792458.0。

from scipy import optimize
def f(x):
    return 4*x**3 + (x-2)**2 + x*4 - 12
print(optimize.fsolve(f, [1]))

这个例子中，我们使用SciPy的optimize子模块中的fsolve函数来求解方程4x^3 + (x-2)^2 + 4x – 12 = 0。输出的结果是[1.17818425]。

在本文中，我们介绍了如何正确导入Numpy与SciPy，并给出了一些示例说明。希望这篇文章能够帮助读者更好地使用这两个库。