Python笔记:NumPy的使用笔记

NumPy是Python中科学计算的基础包,提供高效的数学库和多维数组数据结构,适用于大规模数值计算。本文介绍NumPy的优势,包括执行效率高、支持矩阵运算及内置大量优化的数学函数。

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

NumPy 是什么

  • NumPy is the fundamental package for scientific computing in Python.
  • NumPy 是Python的用于科学计算的基础包。它为 Python 提供了大量数学库,能够让我们高效地进行数字计算。

NumPy的优势

  • 执行高效:我们知道在Python中原本就可以处理列表,而NumPy比 Python 列表更具优势之一就是速度,在对大型数组执行操作时更快。
  • 可以表示向量和矩阵的多维数组数据结构:NumPy 对矩阵运算进行了优化,能够高效地执行线性代数运算,使其非常适合解决机器学习问题。
  • 具有大量优化的内置数学函数:能够非常快速地进行各种复杂的数学计算,无需使用复杂的循环,使程序更容易读懂和理解。

ndarray 对象

ndarray 是NumPy 的核心, 它是一个多维数组【nd 表示 n 维】,其中的所有元素类型都一样。

NumPy的导入

  • $ import numpy as np

创建 ndarray 的方式

  • 使用普通的 Python 列表
	import numpy as np
	x = np.array([1, 2, 3, 4, 5])
	print('x = ', x) # x = [1 2 3 4 5]
  • 使用内置 NumPy 函数
  • $ np.zeros()
  • $ np.ones()
  • $ np.full()
  • $ np.eye()
  • $ np.arange()
  • $ np.linspace()
  • $ np.reshape()
  • $ np.random.random(shape)
  • $ np.random.randint(start, stop, size = shape)
  • $ np.random.normal(mean, standard deviation, size=shape)
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

打赏作者

Wang's Blog

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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