前言
嗨喽~大家好呀，这里是魔王呐 ❤ ~!
什么是 NumPy？
NumPy 是用于处理数组的 python 库。
它还拥有在线性代数、傅立叶变换和矩阵领域中工作的函数。
NumPy 由 Travis Oliphant 于 2005 年创建。它是一个开源项目，你可以自由使用它。
NumPy 指的是数值 Python（Numerical Python）。
为何使用 NumPy？
在 Python 中，我们有满足数组功能的列表，但是处理起来很慢。
NumPy 旨在提供一个比传统 Python 列表快 50 倍的数组对象。
NumPy 中的数组对象称为 ndarray，它提供了许多支持函数，使得利用 ndarray 非常容易。
数组在数据科学中非常常用，因为速度和资源非常重要。
数据科学：计算机科学的一个分支，研究如何存储、使用和分析数据以从中获取信息。
为什么 NumPy 比列表快？
与列表不同，NumPy 数组存储在内存中的一个连续位置，因此进程可以非常有效地访问和操纵它们。
这种行为在计算机科学中称为引用的局部性。
这是 NumPy 比列表更快的主要原因。它还经过了优化，可与最新的 CPU 体系结构一同使用。
NumPy 用哪种语言编写？
NumPy 是一个 Python 库，部分用 Python 编写，但是大多数需要快速计算的部分都是用 C 或 C ++ 编写的。
NumPy 代码库在哪里？
NumPy 的源代码位于这个 github 资料库中：https://github.com/numpy/numpy
github：使许多人可以在同一代码库上工作。
安装 NumPy
如果你已经在系统上安装了 Python 和 PIP，那么安装 NumPy 非常容易。
请使用这条命令安装它：
C:\Users\Your Name>pip install numpy
如果此命令失败，请使用已经安装了 NumPy 的 python 发行版，例如 Anaconda、Spyder 等。
导入 NumPy
安装 NumPy 后，通过添加 import 关键字将其导入您的应用程序：
import numpy
现在，Numpy 已导入并可以使用。
实例
import numpy
arr = numpy.array([1, 2, 3, 4, 5])
print(arr)
运行实例
NumPy as np
NumPy 通常以 np 别名导入。
别名：在 Python 中，别名是用于引用同一事物的替代名称。
请在导入时使用 as 关键字创建别名：
import numpy as np
现在，可以将 NumPy 包称为 np 而不是 numpy。
实例
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
print(arr)
运行实例
检查 NumPy 版本
版本字符串存储在 version 属性中
实例
import numpy as np
print(np.__version__)
运行实例
创建 NumPy ndarray 对象
NumPy 用于处理数组，NumPy 中的数组对象称为 ndarray。
我们可以使用 array() 函数创建一个 NumPy ndarray 对象。
实例
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
print(arr)
print(type(arr))
运行实例
type(): 这个内置的 Python 函数告诉我们传递给它的对象的类型。像上面的代码一样，它表明 arr 是 numpy.ndarray 类型。
要创建 ndarray，我们可以将列表、元组或任何类似数组的对象传递给 array() 方法，然后它将被转换为 ndarray：
实例
使用元组创建 NumPy 数组：
import numpy as np
arr = np.array((1, 2, 3, 4, 5))
print(arr)
运行实例
数组中的维
数组中的维是数组深度（嵌套数组）的一个级别
嵌套数组：
指的是将数组作为元素的数组。
0-D 数组
0-D 数组，或标量（Scalars），是数组中的元素。数组中的每个值都是一个 0-D 数组。
实例
用值 61 创建 0-D 数组：
import numpy as np
arr = np.array(61)
print(arr)
运行实例
1-D 数组
其元素为 0-D 数组的数组，称为一维或 1-D 数组。
这是最常见和基础的数组
实例
创建包含值 1、2、3、4、5、6 的 1-D 数组：
import numpy as np
arr = np.array([1, 2, 3, 4, 5, 6])
print(arr)
运行实例
2-D 数组
其元素为 1-D 数组的数组，称为 2-D 数组。
它们通常用于表示矩阵或二阶张量。
NumPy 有一个专门用于矩阵运算的完整子模块 numpy.mat。
实例
创建包含值 1、2、3 和 4、5、6 两个数组的 2-D 数组：
import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr)
运行实例
3-D 数组
其元素为 2-D 数组的数组，称为 3-D 数组。
实例
用两个 2-D 数组创建一个 3-D 数组，这两个数组均包含值 1、2、3 和 4、5、6 的两个数组：
import numpy as np
arr = np.array([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]])
print(arr)
运行实例
检查维数？
NumPy 数组提供了 ndim 属性，该属性返回一个整数，该整数会告诉我们数组有多少维。
实例
检查数组有多少维：
import numpy as np
a = np.array(42)
b = np.array([1, 2, 3, 4, 5])
c = np.array([[1, 2, 3], [4, 5, 6]])
d = np.array([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]])
print(a.ndim)
print(b.ndim)
print(c.ndim)
print(d.ndim)
运行实例
更高维的数组
数组可以拥有任意数量的维。
在创建数组时，可以使用 ndmin 参数定义维数。
实例
创建一个有 5 个维度的数组，并验证它拥有 5 个维度：
import numpy as np
arr = np.array([1, 2, 3, 4], ndmin=5)
print(arr)
print('number of dimensions :', arr.ndim)
运行实例
在此数组中，最里面的维度（第 5 个 dim）有 4 个元素，第 4 个 dim 有 1 个元素作为向量，第 3 个 dim 具有 1 个元素是与向量的矩阵，第 2 个 dim 有 1 个元素是 3D 数组，而第 1 个 dim 有 1 个元素，该元素是 4D 数组。
访问数组元素
数组索引等同于访问数组元素。
可以通过引用其索引号来访问数组元素。
NumPy 数组中的索引以 0 开头，这意味着第一个元素的索引为 0，第二个元素的索引为 1，以此类推。
实例
从以下数组中获取第一个元素：
import numpy as np
arr = np.array([1, 2, 3, 4])
print(arr[0])
运行实例
实例
从以下数组中获取第二个元素：
import numpy as np
arr = np.array([1, 2, 3, 4])
print(arr[1])
运行实例
实例
从以下数组中获取第三和第四个元素并将其相加：
import numpy as np
arr = np.array([1, 2, 3, 4])
print(arr[2] + arr[3])
运行实例
访问 2-D 数组
要访问二维数组中的元素，我们可以使用逗号分隔的整数表示元素的维数和索引。
实例
访问第一维中的第二个元素：
import numpy as np
arr = np.array([[1,2,3,4,5], [6,7,8,9,10]])
print('2nd element on 1st dim: ', arr[0, 1])
运行实例
实例
访问第二维中的第五个元素：
import numpy as np
arr = np.array([[1,2,3,4,5], [6,7,8,9,10]])
print('5th element on 2nd dim: ', arr[1, 4])
运行实例
访问 3-D 数组
要访问 3-D 数组中的元素，我们可以使用逗号分隔的整数来表示元素的维数和索引。
实例
访问第一个数组的第二个数组的第三个元素：
import numpy as np
arr = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]])
print(arr[0, 1, 2])
运行实例
例子解释
arr[0, 1, 2] 打印值 6。
工作原理：
第一个数字代表第一个维度，其中包含两个数组：
[[1, 2, 3], [4, 5, 6]]
然后：
[[7, 8, 9], [10, 11, 12]]
由于我们选择了 0，所以剩下第一个数组：
[[1, 2, 3], [4, 5, 6]]
第二个数字代表第二维，它也包含两个数组：
[1, 2, 3]
然后：
[4, 5, 6]
因为我们选择了 1，所以剩下第二个数组：
[4, 5, 6]
第三个数字代表第三维，其中包含三个值：
4
5
6
由于我们选择了 2，因此最终得到第三个值：
6
负索引
使用负索引从尾开始访问数组
实例
打印第二个维中的的最后一个元素
import numpy as np
arr = np.array([[1,2,3,4,5], [6,7,8,9,10]])
print('Last element from 2nd dim: ', arr[1, -1])
运行实例
尾语 💝
要成功，先发疯，下定决心往前冲！
学习是需要长期坚持的，一步一个脚印地走向未来！
未来的你一定会感谢今天学习的你。
—— 心灵鸡汤
本文章到这里就结束啦~感兴趣的小伙伴可以复制代码去试试哦 😝
