Python中的NumPy 1(简介)

什么是NumPy？

NumPy是一个用于科学计算的Python库。它提供了一个多维数组对象（ndarray），以及用于处理数组的各种工具。

为什么要使用NumPy？

使用NumPy比使用Python列表进行数值计算更加高效、方便。NumPy数组比Python列表更加紧凑，这意味着在存储和处理大量数据时，NumPy可以更好地利用计算机内存的优势。此外，NumPy还有许多快速的数学操作，如傅里叶变换和线性代数等。

如何安装NumPy？

可以使用pip命令在命令行中安装NumPy：

pip install numpy

如何使用NumPy？

首先，需要导入NumPy库。通常，我们使用 np 作为别名：

import numpy as np

创建NumPy数组

可以使用 numpy.array() 函数创建NumPy数组：

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

输出：

[1 2 3 4 5]

也可以使用numpy.arange()函数创建一个数组，该函数的语法如下：

numpy.arange(start, stop, step, dtype)

其中，

• start：起始值，从该值开始。默认为0。
• stop：终止值，生成的值不包括该值。
• step：步长。默认为1。
• dtype：返回ndarray的数据类型。如果没有给出，则会使用输入数据的类型。

例如，下面的代码创建了一个包含从0到9的数字的数组：

arr = np.arange(10)
print(arr)

输出：

[0 1 2 3 4 5 6 7 8 9]

NumPy数组的属性

NumPy数组有很多属性，其中最常用的是：

• ndim：数组的维数。
• shape：数组的形状。
• size：数组中的元素总数。

例如，下面的代码演示了如何获取NumPy数组的这些属性：

arr = np.array([[1, 2, 3], [4, 5, 6]])
print("数组的维数：", arr.ndim)
print("数组的形状：", arr.shape)
print("数组中的元素总数：", arr.size)

输出：

数组的维数： 2
数组的形状： (2, 3)
数组中的元素总数： 6

访问NumPy数组的元素

与Python列表一样，可以通过索引访问NumPy数组的元素。但是，需要注意的是，NumPy数组的索引从0开始，并且可以使用负数索引来从数组的末尾开始访问元素。

例如，下面的代码演示了如何访问NumPy数组的元素：

arr = np.array([1, 2, 3, 4, 5])
print(arr[0])    # 输出第一个元素
print(arr[-1])   # 输出最后一个元素
print(arr[1:3])  # 输出第二个和第三个元素

输出：

1
5
[2 3]

运算

NumPy数组可以进行各种数学运算。例如，可以将两个数组相加：

a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
print(a + b)

输出：

[5 7 9]

也可以对数组应用数学函数。例如，可以使用 numpy.sin() 函数计算数组中每个元素的正弦值：

arr = np.array([0, np.pi/2, np.pi])
print(np.sin(arr))

输出：

[0.00000000e+00 1.00000000e+00 1.22464680e-16]

结论

在Python中，使用NumPy进行数值计算可以更高效、方便。本文介绍了NumPy的一些基础知识，如创建数组、访问数组的元素和运算等。