Python NumPy库介绍

目录

一、NumPy简介

二、安装NumPy

三、NumPy数组的创建

四、NumPy数组的属性

五、NumPy数组的操作

六、NumPy的数学运算

七、NumPy的统计函数

八、总结

---

一、NumPy简介

NumPy(Numerical Python)是Python中用于科学计算的核心库。它提供了高性能的多维数组对象，以及用于处理这些数组的各种工具。

二、安装NumPy

可以使用以下命令安装NumPy：

示例：

pip install numpy

三、NumPy数组的创建

1. 从Python列表创建数组

示例：

import numpy as np

a = np.array([1, 2, 3])

print(a)

2. 创建特定形状的数组

示例：

# 创建全零数组

zeros_array = np.zeros((2, 3))

print(zeros_array)

# 创建全一数组

ones_array = np.ones((3, 2))

print(ones_array)

# 创建指定值的数组

filled_array = np.full((2, 2), 7)

print(filled_array)

3. 创建序列数组

示例：

# 创建等差数列

arange_array = np.arange(0, 10, 2)

print(arange_array)

# 创建等间隔数组

linspace_array = np.linspace(0, 1, 5)

print(linspace_array)

四、NumPy数组的属性

1. 形状(shape)

示例：

array = np.array([[1, 2, 3], [4, 5, 6]])

print(array.shape)

2. 维度(ndim)

示例：

print(array.ndim)

3. 数据类型(dtype)

示例：

print(array.dtype)

五、NumPy数组的操作

1. 索引和切片

示例：

array = np.array([1, 2, 3, 4, 5])

print(array[2]) # 索引

print(array[1:4]) # 切片

2. 数组的变形

示例：

array = np.array([[1, 2, 3], [4, 5, 6]])

reshaped_array = array.reshape(3, 2)

print(reshaped_array)

3. 数组的拼接

示例：

a = np.array([1, 2, 3])

b = np.array([4, 5, 6])

concatenated_array = np.concatenate((a, b))

print(concatenated_array)

六、NumPy的数学运算

1. 基本数学运算

示例：

a = np.array([1, 2, 3])

b = np.array([4, 5, 6])

print(a + b)

print(a - b)

print(a * b)

print(a / b)

2. 矩阵运算

示例：

a = np.array([[1, 2], [3, 4]])

b = np.array([[5, 6], [7, 8]])

# 矩阵乘法

print(np.dot(a, b))

七、NumPy的统计函数

1. 平均值、中位数、标准差等

示例：

array = np.array([1, 2, 3, 4, 5])

print(np.mean(array))

print(np.median(array))

print(np.std(array))

2. 最大值、最小值、求和等

示例：

print(np.max(array))

print(np.min(array))

print(np.sum(array))

八、总结

NumPy在科学计算中，能快速进行数学运算和统计分析。使Python在数据分析、机器学习等领域更强大，减少开发时间，提高代码效率，为复杂计算任务提供可靠基础。