Python中Numpy常见用法

最新推荐文章于 2025-09-04 16:24:09 发布
原创 最新推荐文章于 2025-09-04 16:24:09 发布 · 1.2w 阅读 · 144 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#python

本文详细介绍NumPy的基础使用方法，包括一维和二维数组的创建、查看、修改及常见运算操作。此外，还介绍了如何利用NumPy进行数据切片、创建指定范围内的均匀间隔数值以及改变数组形状等实用技巧。

NumPy

  • 广泛使用的矩阵计算包
  • 一个基础性的包，大量的工具在NumPy上开发，包括matplotlib、scipy、pandas等

首先导入numpy包

import numpy as np

1. 用numpy创建一维数组,并进行运算：

在这里插入图片描述

2.遍历C数组：

遍历向量：

在这里插入图片描述

3.将numpy数组转换成python的列表：

在这里插入图片描述

4.创建一维向量：创建一个从0-7的8位数向量在这里插入图片描述

5.查看向量的维度，形状和大小在这里插入图片描述

其中维度表示向量为几维向量，形状表示为几行几列，大小表示向量里有多少个元素

6.向量的切片：在这里插入图片描述

其中a[1:3]可以理解为是一个循环，开始下标为1，结束为下标为3（因为切片右边取不到，是个左闭右开的东西）,所以取a[1]和a[2]这两个数

7.在指定的间隔范围内返回均匀间隔的数字。在这里插入图片描述

8.改变向量形状：在这里插入图片描述

如图所示，创建一位数组b，用reshape将b的维数进行改变，（2,2）为将b变形成两行两列向量，（4,1）为四行一列向量

9.创建二维向量（矩阵）在这里插入图片描述

10.查看二维向量信息：

在这里插入图片描述

11.二维向量切片：

在这里插入图片描述
[0,0]代表第一行第一列的数据，即第一个数据，[1,3]代表第2行第4列的数据，需要注意的是向量下标从0开始，所以[ ]里面的行列值+1才是逻辑行列值

在这里插入图片描述
在这里插入图片描述

12.修改

在这里插入图片描述
在这里插入图片描述

13.矩阵的组合在这里插入图片描述

在这里插入图片描述

在科学计算中，经常会遇到在行或者列维度上进行计算的操作，axis=0表示列维度，axis=1表示行维度。

在这里插入图片描述

14.矩阵的转置在这里插入图片描述

15.矩阵平铺？在这里插入图片描述

16.创建矩阵在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

17.向量运算在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

18.常见的聚和操作

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

python的numpy库使用详解
m0_71559726的博客
04-27 6787
本章介绍python是数组库——numpy的使用。全文14000多字详解，几乎涵盖每个知识点。
python-numpy的详细使用
wander_ing的博客
04-26 1487
文章目录1、创建N维数组1.1 np.array()1.1.1 使用np.array()创建数组1.1.2 自定义dtype1.2 np.asarray()1.3 np.arange()1.4 np.zeros1.5 array.ones()、array.empty()1.6 array.full()1.7 array.ones_like()2、数组的数据类型2.1 numpy中的数据类型（dty...
Python 中 NumPy使用详解
最新发布
qq_36812406的博客
09-04 431
功能说明ndarray多维数组，向量化计算创建索引切片基本索引、布尔索引、整型索引运算元素级运算、矩阵运算、广播线性代数随机排序/唯一堆叠/拆分文件 I/O性能优化向量化、dtype优化、共享内存、einsum。
numpy 用法总结
Dear_learner的博客
05-31 4381
简介 numpy 是Numerical Python的简称，是高性能的科学计算和数据分析的基础包，包含了大量的矩阵和数组的计算函数。下面来详细了解一下numpy的用法。 # 安装 numpy pip install numpy # 查看numpy的版本 numpy.__version__ # 导入numpy import numpy as np 一、创建ndarray ndarray：numpy中最基础的数据结构，一种多维的数组对象。 创建数组最简单的方法是使用array函数，它接受一切序列的对象，然后产
python之numpy的基本使用
热门推荐
cxmscb的博客
01-17 34万+
一、numpy概述numpy模块提供了python对N维数组对象的支持：ndarray，ndarray数组中的元素须为同一数据类型，这一点与python的列表是不一样的。numpy支持高级大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。二、创建ndarray数组代码示例：# -*- coding: utf-8 -*-import numpy;print '使用列表生成一维数组' d
Python：Numpy使用方法
weixin_69667614的博客
01-08 3692
2. 类型 (一). 数组的类型 (二). 数据的类型 (1). 强制转换数据类型 (2). 强制修改数据类型 3. 生成小数: random.random() 4. 保留小数: round() 5. 多维数组 二. 数组的形状 1. 查看形状 2. 修改形状 三. 数组的计算 1. 加法 (一). 数组与常数 (二). 数组与数组 2. 减法 (一). 数组与常数 (二)
Python中Numpy的使用
Al_lover的博客
03-29 2391
numpy的基本使用方法，偏重代码举例子，方便理解
pythonnumpy教程-PythonNumpy库常见用法入门教程.pdf
06-11
Python的Numpy库是进行数值计算的核心工具，尤其在科学计算和数据分析领域有着广泛的应用。Numpy库的主要特点是它的ndarray对象，这是一个高效处理多维数据的结构。它与Python的列表不同，ndarray的元素类型是固定的...
Python中numpy模块常见用法demo实例小结
01-20
本文实例总结了Python中numpy模块常见用法。分享给大家供大家参考，具体如下： import numpy as np arr = np.array([[1,2,3], [2,3,4]]) print(arr) print(type(arr)) print('number of dim:', arr.ndim) print('...
Python的Numpy库常见操作用法
01-06
包含Numpy库常见的操作用法，有代码样例与输出内容展示
Python Numpy库常见用法入门教程
09-18
与Python的列表不同，ndarray的元素类型是统一的，且在创建时就固定了大小，这使得数组在内存中的存储更加紧凑，执行效率更高。ndarray的主要属性包括： 1. `.ndim`：表示数组的轴数（维度）。 2. `.shape`：返回一...
python中的numpy常用法
wennin的博客
09-25 5757
numpy 数组生成 在 Python 内建对象中，数组有三种形式： 列表：[1, 2, 3] 元组：(1, 2, 3, 4, 5) 字典：{A:1, B:2} 其中，元组与列表相似，不同之处在于元组的元素不能修改。而字典由键和值构成。python 标准类针对数组的处理局限于 1 维，并仅提供少量的功能。而 NumPy 最核心且最重要的一个特性就是 ndarray 多维数组对象，它区别于 Python 的标准类，拥有对高维数组的处理能力，这也是数值计算过程中缺一不可的重要特性。 NumPy 中，ndar
python中numpy的一些用法
AManFromEarth的博客
07-31 708
1.np.unique() 删除array里面的重复数字 a = np.array([1,1,2,3,1,5]) print(np.unique(a)) 结果： [1 2 3 5]
python中numpy的基本用法
qq_44039983的博客
03-09 8668
创建数组 ① Numpy提供了array()函数，用来创建数组。 创建一维和二维数组，多维数组的创建形式是一样的。 arr1 = np.array([1, 2, 3, 4, 5]) # 一维数组 arr2 = np.array([[1.0, 2, 3, 4, 5], [6, 7, 8, 9, 10]]) # 二维数组，可以理解为矩阵形式 ② arange()函数 ...
Python机器学习计划 002：Numpy学习
teoteo1的博客
11-07 356
Python机器学习计划 002：Numpy学习 基于 莫烦Python 的学习路径 标签：Python 机器学习 数据分析 矩阵的创建 简单创建矩阵 将数列转换称矩阵，使用array的方法即可。 import numpy as np a = [1,2,3,4,5] np.array(a) 快速创建N维矩阵 np.ones([10,10]) 创建10行10列的初始值为浮点1的矩阵 n...
python之numpy的用法
LZH_12345的博客
04-02 976
numpy是高性能科学计算和数据分析的基础包。其部分功能如下：ndarray,一个具有矢量算术运算和复杂广播能力的快速且节省空间的多维数组。用于对整组数据进行快速运算的标准数学函数（无需编写循环）。用于读写磁盘数据的工具以及用于操作内存映射文件的工具。线性代数、傅里叶变换和随机数生成功能。用于集成由C/C++和Fortran等语言编写的代码的工具。numpy提供了一个简单易用的C API，因此很容...
python中numpy的使用方法
MARS116048的博客
08-06 532
numpy的安装： 可以通过pip install numpy进行安装，如果安装超时可以通过国内镜像安装： pip install -i https://pypi.tuna.tsinghua.edu.cn/simple numpy numpy的使用： import numpy as np #dtype定义数组的类型 array=np.array([[[1,2,3],[4,5,6],[7,8,9]],[[1,2,3],[4,5,6],[7,8,9]]],dtype=np.float) #array的类型 p
python(numpy用法)
qq_43357172的博客
01-16 357
一.numpy简介 NumPy的全名为Numeric Python，是一个开源的Python科学计算库。它主要用来处理对数组的运算，numpy的绝大部分API都是针对数组的操作，特别是多维数组。 numpy的底层是一个ndarray结构，我们可以通过numpy.array(list)将一个列表转化为一个ndarry类型的数据结构。我们可以把ndarry结构看成是一个加强版的列表，它的本质仍然是一个...
python中 numpy函数用法
03-26
numpy函数是一种用于处理数组的科学计算库，其中包含了许多常用的数学、统计和线性代数函数，以下是一些常见的numpy函数用法： 1. 创建数组 numpy中可以通过numpy.array()函数创建数组，函数接受一个可迭代对象作为参数，例如： ```python import numpy as np # 创建一维数组 a = np.array([1, 2, 3]) print(a) # 输出：[1 2 3] # 创建二维数组 b = np.array([[1, 2], [3, 4]]) print(b) # 输出：[[1 2] # [3 4]] ``` 2. 索引和切片 numpy中的数组索引和切片与Python中的列表相似，可以使用整数索引和切片语法。例如： ```python # 一维数组的索引和切片 a = np.array([1, 2, 3, 4, 5]) print(a[2]) # 输出：3 print(a[:3]) # 输出：[1 2 3] # 多维数组的索引和切片 b = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) print(b[1, 2]) # 输出：6 print(b[:2, 1:]) # 输出：[[2 3] # [5 6]] ``` 3. 数学函数 numpy中包含了许多常用的数学函数，例如： ```python # 平方函数 a = np.array([1, 2, 3]) print(np.square(a)) # 输出：[1 4 9] # 开方函数 b = np.array([1, 4, 9]) print(np.sqrt(b)) # 输出：[1. 2. 3.] # 取绝对值函数 c = np.array([-1, -2, 3]) print(np.absolute(c)) # 输出：[1 2 3] # 求和函数 d = np.array([1, 2, 3]) print(np.sum(d)) # 输出：6 # 求平均值函数 e = np.array([1, 2, 3]) print(np.mean(e)) # 输出：2.0 # 求标准差函数 f = np.array([1, 2, 3]) print(np.std(f)) # 输出：0.816496580927726 ``` 4. 线性代数函数 numpy中包含了许多常用的线性代数函数，例如： ```python # 点积函数 a = np.array([[1, 2], [3, 4]]) b = np.array([[5, 6], [7, 8]]) print(np.dot(a, b)) # 输出：[[19 22] # [43 50]] # 矩阵求逆函数 c = np.array([[1, 2], [3, 4]]) print(np.linalg.inv(c)) # 输出：[[-2. 1. ] # [ 1.5 -0.5]] # 特征值与特征向量函数 d = np.array([[1, 2], [2, 1]]) eig_values, eig_vectors = np.linalg.eig(d) print(eig_values) # 输出：[ 3. -1.] print(eig_vectors) # 输出：[[ 0.70710678 -0.70710678] # [ 0.70710678 0.70710678]] ``` 5. 随机数函数 numpy还包含了许多常用的随机数函数，例如： ```python # 随机整数函数 a = np.random.randint(1, 10, (3, 4)) print(a) # 输出：[[5 8 7 4] # [4 4 4 4] # [9 9 9 2]] # 随机浮点数函数 b = np.random.rand(2, 3) print(b) # 输出：[[0.81317738 0.24850358 0.98823489] # [0.35087941 0.98767991 0.17130925]] ``` 以上是numpy函数的一些常见用法，numpy函数的功能非常丰富，还有很多其他函数可以满足各种应用需求。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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