python系列之numpy模块学习

本文介绍了Python中用于科学计算的重要库numpy。内容包括numpy的基本概念,如何创建数组,包括一维和二维数组,以及如何指定数组的类型。此外,还讲解了创建全零、全一和空数组的方法,以及使用arange()和linspace()函数生成数列。最后,重点讨论了reshape()函数,它允许对已知数组进行重塑以得到不同形状的数组。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

【未完待续】
1.nupmy是什么?
numpy是python中用于科学计算的一个库。

import numpy as np          # 导入numpy并命名为np
print(np.version.version)   # 输出numpy的版本
# print(np.__version__)     # 也可以这样输出版本

结果如图:
这里写图片描述

2.创建数组(array)

import numpy as np
a = np.array([2,3,4])           # 创建数组a
b = np.array([1.2, 3.5, 5.1])   # 创建数组b
print(a, a.dtype)               # 输出数组及数据类型
print(b, b.dtype)
"""
结果如下:
[2 3 4] int32
[ 1.2  3.5  5.1] float64
"""

3.创建二维数组

### Python NumPy模块学习教程入门指南 #### 导入NumPy库 在Python中引入NumPy模块非常简单,只需要使用`import`语句即可: ```python import numpy as np ``` 这行代码使得可以在后续程序中通过前缀`np.`访问NumPy提供的所有功能[^1]。 #### 创建NumPy数组 NumPy的核心对象是多维数组`ndarray`。可以通过多种方式创建这种类型的数组,最常见的方式是从列表或元组转换而来: ```python a = np.array([1, 2, 3]) b = np.array([(1.5, 2, 3), (4, 5, 6)], dtype=float) c = np.zeros((3, 4)) # 创建全零矩阵 d = np.ones((2, 3, 4), dtype=np.int16) # 创建全一矩阵并指定数据类型 e = np.empty((2, 3)) # 创建未初始化的数组 f = np.arange(10, 30, 5) # 类似于range函数但是返回的是ndarray而不是list g = np.linspace(0, 2, 9) # 返回固定数量均匀分布的样本,在给定间隔内 h = np.full((2, 2), 7) # 填充特定数值的常量数组 i = np.eye(2) # 单位矩阵 j = np.random.random((2, 2)) # 随机数构成的数组 ``` 上述例子展示了不同方法来构建各种形式的基础数组结构[^2]。 #### 数组操作与广播机制 对于两个形状相同的数组可以直接进行算术运算;而对于形状不同的情况,则会应用所谓的“广播规则”。这里给出一个具体的实例说明如何利用广播特性来进行高效的向量化计算: ```python arr1 = np.array([[1, 2, 3], [4, 5, 6]]) arr2 = np.array([10, 20, 30]) result = arr1 + arr2 print(result) """ 输出结果如下所示: [[11 22 33] [14 25 36]] """ ``` 这段代码片段清晰地展现了即使维度不完全匹配的情况下也能顺利完成加法运算的过程[^3]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值