NumPy 数组的基础知识

NumPy（Numeric Python）是 Python 语言的一个扩展程序库，支持高效的多维数组（包括矩阵）运算。在数据科学领域中，NumPy 数组是处理、分析和计算大型数据集常用的数据结构。

安装 NumPy

在使用 NumPy 之前，需要先安装它。可以通过以下命令在终端中安装 NumPy：

pip install numpy

创建 NumPy 数组

NumPy 提供了一个 ndarray 类来表示数组。以下是创建 NumPy 数组的方法：

使用 array() 函数

import numpy as np

a = np.array([1, 2, 3])
b = np.array([[1, 2], [3, 4]])

print(a)
# [1 2 3]

print(b)
# [[1 2]
#  [3 4]]

使用其他函数

NumPy 还提供了其他函数来创建数组，如 zeros()、ones()、empty()、arange() 等。

import numpy as np

a = np.zeros((2, 3))
b = np.ones((2, 3))
c = np.empty((2, 3))
d = np.arange(0, 6).reshape((2, 3))

print(a)
# [[0. 0. 0.]
#  [0. 0. 0.]]

print(b)
# [[1. 1. 1.]
#  [1. 1. 1.]]

print(c)
# [[4.67697252e-310 0.00000000e+000 4.67298859e-310]
#  [4.67185820e-310 4.67087710e-310 0.00000000e+000]]

print(d)
# [[0 1 2]
#  [3 4 5]]

访问 NumPy 数组中的元素

可以使用下标访问 NumPy 数组中的元素，下标从 0 开始。

import numpy as np

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

print(a[0][0])  # 1
print(a[0][1])  # 2
print(a[1][0])  # 3
print(a[1][1])  # 4

也可以使用逗号分隔的下标访问 NumPy 数组中的元素。

import numpy as np

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

print(a[0, 0])  # 1
print(a[0, 1])  # 2
print(a[1, 0])  # 3
print(a[1, 1])  # 4

NumPy 数组的运算

NumPy 数组的基本运算符包括加 +、减 -、乘 *、除 / 等。这些运算符应用于数组时，会逐个元素进行操作。

import numpy as np

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

c = a + b
d = a - b
e = a * b
f = a / b

print(c)  # [5 7 9]
print(d)  # [-3 -3 -3]
print(e)  # [ 4 10 18]
print(f)  # [0.25 0.4  0.5 ]

NumPy 数组的常用函数

NumPy 提供了许多常用的函数来操作数组，如求数组的最小值、最大值、平均值、标准差、方差等。

import numpy as np

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

print(np.min(a))  # 1
print(np.max(a))  # 5
print(np.mean(a))  # 3.0
print(np.std(a))  # 1.4142135623730951
print(np.var(a))  # 2.0

NumPy 数组的索引和切片

可以使用索引和切片来访问 NumPy 数组中的元素。

import numpy as np

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

print(a[0])  # 1
print(a[-1])  # 5
print(a[1:4])  # [2 3 4]

对于多维数组，可以使用索引或切片来访问数组中的元素。

import numpy as np

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

print(a[0, 0])  # 1
print(a[-1, -1])  # 4
print(a[1, :])  # [3 4]

NumPy 数组的形状操作

可以使用 reshape() 函数来改变 NumPy 数组的形状。

import numpy as np

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

print(a.reshape(5, 1))

# [[1]
#  [2]
#  [3]
#  [4]
#  [5]]

可以使用 flatten() 函数将多维数组转换为一维数组。

import numpy as np

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

print(a.flatten())

# [1 2 3 4]

总结

NumPy 数组是 Python 中处理、分析和计算大型数据集常用的数据结构。本文介绍了 NumPy 数组的基本知识，包括数组的创建、访问、运算、常用函数、索引和切片以及形状操作等。希望本文能对使用 NumPy 的程序员有所帮助。