Python：对 Numpy 数组的操作

Numpy 是专门用于科学计算的 Python 库，提供了高效的多维数组操作功能。在这篇文章中，我们将介绍 Numpy 数组的操作。

创建 Numpy 数组

首先，我们需要创建一个 Numpy 数组。可以通过各种方式来创建 Numpy 数组，如下所示：

import numpy as np

# 从 Python 列表中创建一个 Numpy 数组
list = [1, 2, 3]
array_from_list = np.array(list)

# 创建一个由 0 组成的 Numpy 数组
array_zeros = np.zeros((2, 3)) 

# 创建一个由 1 组成的 Numpy 数组
array_ones = np.ones((2, 3))

# 创建一个单位矩阵
array_eye = np.eye(3)

# 从标量创建一个 Numpy 数组
array_scalar = np.array(5)

# 从随机数创建一个 Numpy 数组
array_random = np.random.rand(2, 3)

数组属性

一个 Numpy 数组有许多属性，如下所示：

import numpy as np

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

# 数组维度
print(array.ndim)

# 数组形状
print(array.shape)

# 数组大小
print(array.size)

# 数组元素类型
print(array.dtype)

# 数组元素字节大小
print(array.itemsize)

# 数组内存地址
print(array.data)

数组操作

在 Numpy 中，有许多可以对数组进行的操作。下面是一些基本的数组操作：

索引和切片

我们可以使用下标操作符 [] 来访问数组的元素。如下所示：

import numpy as np

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

# 获取第一行第二列的元素
print(array[0, 1])

# 获取第一行的所有元素
print(array[0, :])

数组变形

我们可以使用 reshape() 函数来改变数组的形状，如下所示：

import numpy as np

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

# 将数组变形为 3 行 2 列的数组
print(array.reshape((3, 2)))

数组转置

我们可以使用 T 属性来转置数组，如下所示：

import numpy as np

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

# 转置数组
print(array.T)

数组连接

我们可以使用 concatenate() 函数来连接两个或多个数组，如下所示：

import numpy as np

array1 = np.array([[1, 2, 3], [4, 5, 6]])
array2 = np.array([[7, 8, 9], [10, 11, 12]])

# 沿着行连接数组
print(np.concatenate((array1, array2), axis=0))

# 沿着列连接数组
print(np.concatenate((array1, array2), axis=1))

数组拆分

我们可以使用 split() 函数来拆分数组，如下所示：

import numpy as np

array = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 沿着行拆分数组
print(np.split(array, 3, axis=0))

# 沿着列拆分数组
print(np.split(array, 3, axis=1))

以上就是对 Numpy 数组的操作的介绍，更具体的操作可以参考官方文档。