详细介绍numpy在python中的用法

news2024/10/9 5:25:54

NumPy 是 Python 科学计算库中非常重要的库，主要用于处理大型多维数组和矩阵运算。它提供了大量数学函数来操作这些数组。NumPy 的核心是 ndarray 对象，该对象是一个多维数组，可以存储同类型的数据。

下面是 NumPy 的详细用法和功能介绍：

1. 导入NumPy

在使用 NumPy 之前，需要先导入库，通常我们会将 NumPy 以 np 作为别名：

import numpy as np

2. 创建数组

NumPy 中的数组称为 ndarray，可以通过多种方式创建数组：

a) 使用 `array()` 创建数组

# 从Python列表创建数组
arr = np.array([1, 2, 3, 4])
print(arr)  # 输出: [1 2 3 4]

# 创建多维数组
arr_2d = np.array([[1, 2], [3, 4]])
print(arr_2d)  # 输出: [[1 2] [3 4]]

b) 使用 `zeros()`、`ones()` 和 `full()` 创建特定值数组

# 创建一个全为0的数组
zeros_arr = np.zeros((2, 3))
print(zeros_arr)  # 输出：[[0. 0. 0.] [0. 0. 0.]]

# 创建一个全为1的数组
ones_arr = np.ones((2, 3))
print(ones_arr)  # 输出：[[1. 1. 1.] [1. 1. 1.]]

# 创建一个指定数值的数组
full_arr = np.full((2, 2), 5)
print(full_arr)  # 输出：[[5 5] [5 5]]

c) 使用 `arange()` 和 `linspace()` 创建序列数组

# 创建一个等差序列数组
arr_range = np.arange(0, 10, 2)
print(arr_range)  # 输出：[0 2 4 6 8]

# 创建一个线性间隔数组
arr_linspace = np.linspace(0, 1, 5)
print(arr_linspace)  # 输出：[0.   0.25 0.5  0.75 1.  ]

3. 数组属性

ndarray 对象具有多种属性，可以获取数组的信息：

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

print(arr.shape)  # 数组的形状 (2, 3)
print(arr.size)   # 数组中的元素数量 6
print(arr.ndim)   # 数组的维度 2
print(arr.dtype)  # 数组元素的数据类型 int64

4. 数组索引和切片

NumPy 数组支持多维索引和切片操作。

a) 一维数组索引

arr = np.array([1, 2, 3, 4, 5])
print(arr[0])   # 输出第一个元素：1
print(arr[-1])  # 输出最后一个元素：5

b) 多维数组索引

arr_2d = np.array([[1, 2, 3], [4, 5, 6]])
print(arr_2d[0, 2])  # 输出第一行第三列的元素：3
print(arr_2d[1, -1]) # 输出第二行最后一个元素：6

c) 切片

# 一维数组切片
arr = np.array([1, 2, 3, 4, 5])
print(arr[1:4])  # 输出： [2 3 4]

# 多维数组切片
arr_2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(arr_2d[0:2, 1:3])  # 输出：[[2 3] [5 6]]

5. 数学运算

NumPy 可以对数组进行广播机制下的运算。

a) 数组的基本运算

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

print(arr + 2)  # 输出：[3 4 5]
print(arr * 3)  # 输出：[3 6 9]
print(arr ** 2) # 输出：[1 4 9]

b) 数组之间的运算

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]

c) 通用函数 (Universal Functions)

NumPy 提供了许多通用的数学函数，可以应用于数组的每个元素，例如 sin()、exp()、sqrt() 等。

arr = np.array([1, 2, 3])
print(np.sin(arr))  # 输出：数组每个元素的正弦值
print(np.exp(arr))  # 输出：数组每个元素的指数值
print(np.sqrt(arr)) # 输出：数组每个元素的平方根

6. 数组的形状操作

NumPy 提供了许多工具来改变数组的形状。

a) `reshape()` 改变数组形状

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

b) 数组转置

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

7. 数组的合并和分割

NumPy 支持对数组的合并和分割操作。

a) 数组的合并

arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6]])

# 垂直合并
vstack_arr = np.vstack((arr1, arr2))
print(vstack_arr)  # 输出：[[1 2] [3 4] [5 6]]

# 水平合并
hstack_arr = np.hstack((arr1, arr2.T))
print(hstack_arr)  # 输出：[[1 2 5] [3 4 6]]

b) 数组的分割

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

# 垂直分割
vsplit_arr = np.vsplit(arr, 2)
print(vsplit_arr)  # 输出两个2x3的数组

# 水平分割
hsplit_arr = np.hsplit(arr, 3)
print(hsplit_arr)  # 输出三个2x1的数组

8. 布尔索引和条件过滤

NumPy 支持布尔条件筛选和索引操作。

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

# 条件赋值
arr[arr > 3] = 0
print(arr)  # 输出：[1 2 3 0 0]

9. 常用的统计函数

NumPy 提供了丰富的统计函数，方便对数组进行统计计算。

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

print(np.mean(arr))  # 平均值：3.0
print(np.sum(arr))   # 总和：15
print(np.std(arr))   # 标准差：1.414
print(np.min(arr))   # 最小值：1
print(np.max(arr))   # 最大值：5

10. 随机数生成

NumPy 的 random 模块提供了生成随机数的功能。

# 生成一个[0, 1)之间的随机浮点数
print(np.random.rand())

# 生成一个服从标准正态分布的随机数
print(np.random.randn())

# 生成一个指定范围内的随机整数
print(np.random.randint(0, 10, (3, 3)))  # 输出一个3x3的随机整数矩阵