Python 中的 NumPy：数值计算基础

NumPy（Numerical Python）是一个用于科学计算的基础包。它提供了支持高效数组和矩阵操作的强大功能，同时还提供了大量的数学函数库。NumPy 是许多数据科学和机器学习库（如 Pandas、Scikit-Learn 和 TensorFlow）的基础，因此理解 NumPy 是掌握 Python 科学计算的关键。

一、NumPy 的安装与导入

在使用 NumPy 之前，需要确保已安装该库。可以使用以下命令进行安装：

sh

pip install numpy

安装完成后，可以在 Python 脚本或交互式环境中导入 NumPy：

import numpy as np

二、NumPy 数组

NumPy 数组（ndarray）是一个多维的同类型元素的容器。它提供了对数组元素进行高效操作的方法。

1. 数组的创建

可以通过多种方式创建 NumPy 数组，常见方法包括使用 Python 列表、NumPy 函数和读取文件等。

从列表创建数组：

import numpy as np # 一维数组 a = np.array([1, 2, 3]) print(a) # 输出: [1 2 3] # 二维数组 b = np.array([[1, 2, 3], [4, 5, 6]]) print(b) # 输出: # [[1 2 3] # [4 5 6]]

使用 NumPy 函数创建数组：

# 创建全零数组 zeros_array = np.zeros((3, 3)) print(zeros_array) # 输出: # [[0. 0. 0.] # [0. 0. 0.] # [0. 0. 0.]] # 创建全一数组 ones_array = np.ones((2, 3)) print(ones_array) # 输出: # [[1. 1. 1.] # [1. 1. 1.]] # 创建指定值的数组 full_array = np.full((2, 2), 7) print(full_array) # 输出: # [[7 7] # [7 7]] # 创建单位矩阵 eye_array = np.eye(3) print(eye_array) # 输出: # [[1. 0. 0.] # [0. 1. 0.] # [0. 0. 1.]] # 使用 arange 创建数组 arange_array = np.arange(0, 10, 2) print(arange_array) # 输出: [0 2 4 6 8] # 使用 linspace 创建数组 linspace_array = np.linspace(0, 1, 5) print(li