python numpy 向量数学

是什么numpy相当于euclid https://pypi.python.org/pypi/euclid的 2d 向量类/操作？ （ 喜欢：euclid.Vector2 )

到目前为止我有这个。创建两个向量

import numpy as np

loc = np.array([100., 100.])
vel = np.array([30., 10])

loc += vel

# reseting speed to a default value, maintaining direction
vel.normalize()
vel *= 200

loc += vel

您可以只使用 numpy 数组。看着那（这面向 matlab 用户的 numpy https://docs.scipy.org/doc/numpy/user/numpy-for-matlab-users.html页面详细概述了数组的优缺点。矩阵。

正如我在评论中提到的，必须使用dot()向量乘法的函数或方法是最大的陷阱。但话又说回来，numpy 数组是持续的。所有操作都是按元素进行的。因此，数组的加法或减法以及与标量的乘法都按照向量的预期工作。

Edit2:从 Python 3.5 和 numpy 1.10 开始，您可以使用@用于矩阵乘法的中缀运算符，感谢pep 465 https://www.python.org/dev/peps/pep-0465/.

Edit:关于您的评论：

1. 是的。 numpy整个都是基于数组的。

2. Yes. linalg.norm(v)是获取向量长度的好方法。但你得到的结果取决于可能的第二个规范参数！阅读文档。

3. 要标准化向量，只需将其除以 (2) 中计算的长度即可。数组除以标量也是逐元素的。

   ipython 中的一个例子：

   In [1]: import math
   
   In [2]: import numpy as np
   
   In [3]: a = np.array([4,2,7])
   
   In [4]: np.linalg.norm(a)
   Out[4]: 8.3066238629180749
   
   In [5]: math.sqrt(sum([n**2 for n in a]))
   Out[5]: 8.306623862918075
   
   In [6]: b = a/np.linalg.norm(a)
   
   In [7]: np.linalg.norm(b)
   Out[7]: 1.0
   

   注意In [5]是计算长度的另一种方法。In [6]显示向量的归一化。