这里写目录标题
- 1、NumPy是什么
- 2、NumPy的常见应用---必须掌握
- 2.1.创建一个数组
- 2.2.数组的属性
- 2.3.取数组中的元素
- 2.4.数组的运算
- 2.5.数组的转置
- 2.6. 数组的索引和切片
- 2.7. 数组的重塑
- 2.8. 数组的广播
- 2.9. 数组的聚合操作
- 2.10. 数组的排序
- 总结
1、NumPy是什么
NumPy
是专门用于数值计算的Python库。它提供了实现向量、矩阵和高维数组的高效数据结构和函数,以及用于数学计算的工具。NumPy使得Python语言与MATLAB和R语言相比,更适合探索性数据分析、科学计算和大规模数据处理等领域。- NumPy中的核心数据结构是
ndarray
(N维数组),它是一个由同种数据类型的元素组成的多维数组。可以使用numpy包来创建ndarray对象,也可以使用Python列表等数据类型创建ndarray对象。
2、NumPy的常见应用—必须掌握
2.1.创建一个数组
import numpy as np
arr = np.array([1, 2, 3])
print(arr) # 输出:[1 2 3]
2.2.数组的属性
arr.shape # 数组的形状
arr.dtype # 数组元素的数据类型
arr.size # 数组中元素的总数
2.3.取数组中的元素
arr[0] # 取第一个元素
arr[1:] # 取第二个之后的所有元素
arr[:2] # 取前两个元素
2.4.数组的运算
a = np.array([1,2,3])
b = np.array([2,4,6])
c = a + b # 数组相加
d = a - b # 数组相减
e = a * b # 数组相乘
f = a / b # 数组相除
g = a.dot(b) # 数组点乘
2.5.数组的转置
arr = np.array([[1, 2], [3, 4]])
print(arr.transpose())
2.6. 数组的索引和切片
可以使用类似于Python列表的方式来索引和切片NumPy数组。
arr = np.array([1, 2, 3, 4, 5])
arr[0] # 输出:1
arr[1:3] # 输出:array([2, 3])
2.7. 数组的重塑
arr = np.array([1, 2, 3, 4])
arr.reshape(2, 2)
2.8. 数组的广播
广播是NumPy中的一个非常重要的特性,它允许不同形状的数组之间进行运算。在广播中,NumPy会按照一定的规则自动将不同形状的数组扩展为相同的形状,以便进行运算。
arr1 = np.array([[0, 0, 0],[10,10,10],[20,20,20],[30,30,30]])
arr2 = np.array([0,1,2])
result = arr1 + arr2
2.9. 数组的聚合操作
NumPy提供了很多聚合操作,用于对数组中的元素进行汇总,例如,计算数组中元素的总和、平均值、最大值、最小值等等。
arr = np.array([1, 2, 3, 4, 5])
sum_arr = np.sum(arr) # 计算数组中元素的总和
mean_arr = np.mean(arr) # 计算数组中元素的平均值
max_arr = np.max(arr) # 计算数组中元素的最大值
min_arr = np.min(arr) # 计算数组中元素的最小值
2.10. 数组的排序
arr = np.array([3, 2, 1, 4])
arr.sort()
总结
在学习NumPy之前,建议先学习Python语言的基础知识。了解Python语言的基础知识,包括Python内建的数据类型、函数、控制语句等等,将有助于更好的理解NumPy的用法。