python数据处理库--numpy

最新推荐文章于 2025-06-04 19:04:13 发布

原创

最新推荐文章于 2025-06-04 19:04:13 发布 · 562 阅读

0 ·

CC 4.0 BY-SA版权

本文详述了Python科学计算库NumPy的核心功能，包括快速的多维数组对象ndarray、数学运算函数、线性代数操作及随机数生成。在探讨这些功能之前，先介绍了Python中数据复制的不同类型，如浅拷贝、深拷贝和视图。文章通过实例讲解如何导入NumPy并创建数组。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

之前在写python的数据处理库的安装教程时写过一点介绍。但是不是很详细，最近在整理复习，所以写篇博客整理下。

NumPy是Python科学计算的基础包，它提供：

快速高效的多维数组对象ndarray；
直接对数组执行数学运算及对数组执行元素级计算的函数；
线性代数运算、随机数生成;
将C、C++、Fortran代码集成到Python的工具等。

在进入正题之前，我们需要对python中的数据复制进行说明，这也是笔者之前一直忽略的地方。与其他语言不同，为了节省空间以及适应大数据量的处理工作，python对数据复制分成了几种类型：

a=b： a和b完全相同，并且指向磁盘同一块数据
c=a.view()： a和c指向不同的东西，磁盘中存储位置不同，但是共用元素值，类似于数据库中的视图
d=a.copy()： a和d是完全不同的两个东西

引入numpy的方式：import numpy as np

知识点：

1.numpy数组（array）的创建
通过array方式创建，向array中传入一个list实现

一维数组的创建：
>>> np.array([1,2,3])
array([1, 2, 3])

二维数组的创建：
>>> np.array([[1,2,3],[4,5,6]])
array([[1, 2, 3],
       [4, 5, 6]])

通过arange创建数组：
例如：创建一个0-1间隔为0.1的行向量，从0开始，不包括1：
>>> np.arange(0,1,0.1)
array([0. , 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9])

例：通过对齐广播方式生成一个多维的数组：
>>> np.arange(1,60,10).reshape