📅  最后修改于: 2023-12-03 14:53:41.293000             🧑  作者: Mango
Numpy 是一个开源的 Python 扩展库,用于数学、科学、工程等领域中的大量数据处理。它提供了高性能的多维数组对象和各种派生对象(如掩码数组和矩阵)以及用于数组操作的各种函数。
在使用 numpy 之前,我们需要先安装它。可以使用 pip 命令进行安装:
pip install numpy
在安装 numpy 后,在 Python 代码中可以通过 import
语句来导入 numpy:
import numpy as np
上面的代码将 numpy 导入为 np,这是在使用 numpy 时的一个约定。
numpy 最重要的数据结构就是多维数组对象,即 ndarray。对于 ndarray 对象,除了可以使用 Python 内置的序列操作外,还提供了许多方便的数组操作函数。
可以使用多种方法创建 numpy 数组,例如使用 array()
函数:
import numpy as np
a = np.array([1, 2, 3])
print(a)
输出结果为:
[1 2 3]
可以使用 ndarray
的属性来了解数组的一些信息,例如数组的形状、维度、元素类型等:
a = np.array([[1, 2, 3], [4, 5, 6]])
print(a.shape) # 输出 (2, 3)
print(a.ndim) # 输出 2
print(a.dtype.name) # 输出 int64
print(a.itemsize) # 输出 8,即元素占用的字节数
可以使用下标索引来访问 ndarry 中的元素:
a = np.array([[1, 2, 3], [4, 5, 6]])
print(a[0, 0]) # 输出 1
print(a[1, 2]) # 输出 6
我们可以使用切片来访问 ndarry 中的部分元素:
a = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
b = a[:2, 1:3]
print(b)
输出结果为:
[[2 3]
[5 6]]
numpy 提供了各种数组操作函数,例如:
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
c = np.concatenate((a, b))
print(c) # 输出 [1 2 3 4 5 6]
通过本文的介绍,我们可以学习如何使用 import
语句导入 numpy,以及 numpy 数组的创建、属性、元素访问、切片和数组操作等基础内容。numpy 是一个非常强大的 Python 扩展库,可以帮助我们进行大量的数据处理和科学计算。