python里面的numpy

NumPy（Numerical Python）是 Python 中用于科学计算的基础库，它提供了高性能的多维数组对象（ndarray）以及处理这些数组的各种工具。以下是对 NumPy 常见用法的详细讲解：

1. 安装与导入

在使用 NumPy 之前，需要先安装它。如果你使用的是 Anaconda 环境，NumPy 已经默认安装；如果是普通 Python 环境，可以使用 pip 进行安装：

pip install numpy

安装完成后，在 Python 代码中导入 NumPy：

import numpy as np

通常使用 np 作为 NumPy 的别名，这是一种约定俗成的做法。

2. 创建数组

从列表创建数组

可以使用 np.array() 函数将 Python 列表转换为 NumPy 数组。

import numpy as np

# 创建一维数组
list1 = [1, 2, 3, 4, 5]
arr1 = np.array(list1)
print(arr1)  # 输出: [1 2 3 4 5]

# 创建二维数组
list2 = [[1, 2, 3], [4, 5, 6]]
arr2 = np.array(list2)
print(arr2)
# 输出:
# [[1 2 3]
#  [4 5 6]]

使用内置函数创建数组

• np.zeros()：创建指定形状的全零数组。

zeros_arr = np.zeros((3, 4))
print(zeros_arr)
# 输出:
# [[0. 0. 0. 0.]
#  [0. 0. 0. 0.]
#  [0. 0. 0. 0.]]

• np.ones()：创建指定形状的全一数组。

ones_arr = np.ones((2, 3))
print(ones_arr)
# 输出:
# [[1. 1. 1.]
#  [1. 1. 1.]]

• np.arange()：类似于 Python 的 range() 函数，创建一个等差数列数组。

arange_arr = np.arange(0, 10, 2)
print(arange_arr)  # 输出: [0 2 4 6 8]

• np.linspace()：创建一个在指定区间内均匀分布的数组。

linspace_arr = np.linspace(0, 1, 5)
print(linspace_arr)  # 输出: [0.   0.25 0.5  0.75 1.  ]

3. 数组的属性

• shape：返回数组的形状。

arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr.shape)  # 输出: (2, 3)

• dtype：返回数组中元素的数据类型。

print(arr.dtype)  # 输出: int64

• ndim：返回数组的维度。

print(arr.ndim)  # 输出: 2

4. 数组的索引和切片

一维数组

arr = np.arange(10)
print(arr[3])  # 输出: 3
print(arr[2:5])  # 输出: [2 3 4]

二维数组

arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(arr[1, 2])  # 输出: 6
print(arr[0:2, 1:3])
# 输出:
# [[2 3]
#  [5 6]]

arr[0:2, 1:3] 具体含义：

• 行切片 0:2：
  • 切片操作中的第一个参数 0:2 用于指定行的选取范围。在 Python 的切片语法里，冒号 : 前面的数字表示起始索引（包含该索引对应的元素），冒号后面的数字表示结束索引（不包含该索引对应的元素）。
  • 所以 0:2 表示从第 0 行开始（索引从 0 开始计数），到第 2 行之前结束，即选取第 0 行和第 1 行。
• 列切片 1:3：
  • 切片操作中的第二个参数 1:3 用于指定列的选取范围。同样根据 Python 切片语法，1:3 表示从第 1 列开始（从0开始算），到第 3 列之前结束，即选取第 1 列和第 2 列。

5. 数组的运算

算术运算

NumPy 数组支持基本的算术运算，这些运算会逐元素进行。

arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
print(arr1 + arr2)  # 输出: [5 7 9]
print(arr1 * arr2)  # 输出: [4 10 18]

矩阵运算

使用 np.dot() 函数进行矩阵乘法。

arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6], [7, 8]])
result = np.dot(arr1, arr2)
print(result)
# 输出:
# [[19 22]
#  [43 50]]

6. 数组的统计函数

• np.sum()：计算数组元素的总和。

arr = np.array([1, 2, 3, 4, 5])
print(np.sum(arr))  # 输出: 15

• np.mean()：计算数组元素的平均值。

print(np.mean(arr))  # 输出: 3.0

• np.max() 和 np.min()：分别返回数组中的最大值和最小值。

print(np.max(arr))  # 输出: 5
print(np.min(arr))  # 输出: 1

7. 数组的形状操作

• reshape()：改变数组的形状。

arr = np.arange(12)
new_arr = arr.reshape(3, 4)
print(new_arr)
# 输出:
# [[ 0  1  2  3]
#  [ 4  5  6  7]
#  [ 8  9 10 11]]

• flatten() 和 ravel()：将多维数组转换为一维数组。

print(new_arr.flatten())  # 输出: [ 0  1  2  3  4  5  6  7  8  9 10 11]

以上是 NumPy 的一些常见用法，NumPy 还有很多其他强大的功能，如随机数生成、线性代数运算等，可以根据具体需求进一步学习。