Numpy基础操作详解

Numpy基础操作详解

NumPy（Numerical Python）是Python语言的一个扩展库，支持大量的维度数组与矩阵运算，并提供了大量的数学函数来处理这些数组。NumPy是Python数据分析、机器学习等领域的基础库之一。本文将介绍NumPy的一些基础操作，帮助读者快速上手。

安装NumPy

如果你还没有安装NumPy，可以通过pip来安装：

pip install numpy

导入NumPy

在Python脚本中，我们通常使用以下方式来导入NumPy库：

import numpy as np

创建数组

使用numpy.array()

你可以使用numpy.array()函数来创建NumPy数组。

import numpy as np  # 从Python列表创建数组  
arr1 = np.array([1, 2, 3, 4])  
print(arr1)  # 输出: [1 2 3 4]  # 创建二维数组（矩阵）  
arr2 = np.array([[1, 2], [3, 4], [5, 6]])  
print(arr2)  
# 输出:  
# [[1 2]  
#  [3 4]  
#  [5 6]]

使用NumPy内置函数

NumPy提供了许多内置函数来创建特定类型的数组。

• numpy.zeros(): 创建全零数组
• numpy.ones(): 创建全一数组
• numpy.eye(): 创建单位矩阵（对角线为1，其余为0）
• numpy.arange(): 类似于Python的range()，但返回数组
• numpy.linspace(): 在指定范围内创建等间隔的数组

# 示例  
zeros_arr = np.zeros((2, 3))  # 创建一个2x3的全零数组  
ones_arr = np.ones((3, 2))   # 创建一个3x2的全一数组  
eye_arr = np.eye(3)          # 创建一个3x3的单位矩阵  
arange_arr = np.arange(0, 10, 2)  # 创建一个从0到8（不包括10），步长为2的数组  
linspace_arr = np.linspace(0, 1, 5)  # 创建一个从0到1，包含5个等间隔元素的数组

数组属性

NumPy数组有许多有用的属性，如shape、dtype、size和ndim。

• shape: 数组的维度
• dtype: 数组元素的数据类型
• size: 数组元素的数量
• ndim: 数组的维度数（轴的数量）

print(arr2.shape)  # 输出: (3, 2)  
print(arr2.dtype)  # 输出: dtype('int64') 或其他整数类型  
print(arr2.size)   # 输出: 6  
print(arr2.ndim)   # 输出: 2

数组操作

索引和切片

NumPy数组支持Python中的索引和切片操作。

print(arr2[0, 1])  # 输出: 2，获取第一行第二列的元素  
print(arr2[1:3, :])  # 输出:  
# [[3 4]  
#  [5 6]]，获取第二行到第三行（不包括第三行）的所有列

数组运算

NumPy支持数组间的元素级运算，如加法、减法、乘法、除法等。

arr3 = np.array([[1, 2], [3, 4]])  
print(arr2 + arr3)  # 对应元素相加  
# 输出:  
# [[ 2  4]  
#  [ 6  8]  
#  [ 6  8]]

广播

NumPy的广播机制允许不同形状的数组进行算术运算。

arr4 = np.array([10, 20])  
print(arr2 + arr4)  # arr4 会广播到与 arr2 相同的形状  
# 输出:  
# [[11 12]  
#  [23 24]  
#  [35 36]]

聚合函数

NumPy提供了许多聚合函数，如np.sum()、np.mean()、np.max()、np.min()等，用于计算数组中元素的和、平均值、最大值、最小值等。