Python – 内置数组与 NumPy 数组

Python是一种优雅且容易学习的编程语言，常用于开发Web应用、数据分析、机器学习等。Python内置了一些数据结构，其中一个是数组。数组是一种用于存储多个元素的数据结构。Python中的数组可以容纳任何类型的数据，包括整数、浮点数和字符串。

Python中的内置数组

Python中的内置数组可以通过以下方式创建和访问：

# 创建数组
array = []
array = [1, 2, 3, 4, 5]

# 访问数组元素
print(array[0]) # 输出：1
print(array[4]) # 输出：5

需要注意的是，Python中的数组是从0开始计数的。因此，数组的第一个元素的索引是0，第二个元素的索引是1，以此类推。

NumPy数组

NumPy是Python中用于科学计算的一个库。它提供了基于数组的计算功能，并且有丰富的数据处理和分析工具。NumPy的数组是多维的，具有更高的效率和更多的功能。

创建NumPy数组

可以使用NumPy库中的array()函数来创建NumPy数组：

# 导入NumPy库
import numpy as np

# 创建NumPy数组
array = np.array([1, 2, 3, 4, 5])

# 输出数组
print(array) # 输出：[1 2 3 4 5]

访问NumPy数组元素

和Python中的数组类似，可以使用索引来访问NumPy数组中的元素。需要注意的是，NumPy数组的索引从0开始。

# 访问NumPy数组中的元素
print(array[0]) # 输出：1
print(array[4]) # 输出：5

多维NumPy数组

与Python中的数组不同，NumPy数组可以是多维的。例如，可以创建一个二维数组来表示矩阵：

# 创建二维NumPy数组
matrix = np.array([[1, 2, 3], [4, 5, 6]])

# 输出矩阵
print(matrix)
# 输出：
# [[1 2 3]
#  [4 5 6]]

# 访问矩阵中的元素
print(matrix[0, 1]) # 输出：2
print(matrix[1, 2]) # 输出：6

NumPy数组运算

NumPy数组支持各种数学和逻辑运算。以下是一些常用的NumPy数组运算：

• 矩阵加减法

# 创建两个NumPy矩阵
matrix1 = np.array([[1, 2], [3, 4]])
matrix2 = np.array([[5, 6], [7, 8]])

# 矩阵加法
print(matrix1 + matrix2)
# 输出：
# [[ 6  8]
#  [10 12]]

# 矩阵减法
print(matrix1 - matrix2)
# 输出：
# [[-4 -4]
#  [-4 -4]]

• 数组相乘

# 创建两个NumPy数组
array1 = np.array([1, 2, 3])
array2 = np.array([4, 5, 6])

# 数组相乘
print(array1 * array2)
# 输出：[ 4 10 18]

• 数组比较

# 创建两个NumPy数组
array1 = np.array([1, 2, 3])
array2 = np.array([2, 3, 4])

# 比较数组中的元素大小
print(array1 > array2)
# 输出：[False False False]

# 比较数组中的元素相等性
print(array1 == array2)
# 输出：[False False False]

总结

Python中的数组和NumPy数组都是存储多个元素的数据结构。Python中的数组可以容纳任何类型的数据，但是功能相对较弱。NumPy数组是多维的，并且支持各种数学和逻辑运算，能够方便地进行科学计算和数据处理。在进行数据分析和机器学习时，使用NumPy数组能够提高效率。