NumPy教程

栏目： numpy 发布时间：2024-12-02

NumPy（Numerical Python）是Python编程语言的一个扩展库，它提供了大量的数学函数和操作数组（特别是多维数组）的方法。NumPy是科学计算中不可或缺的一个工具，广泛应用于数据分析、机器学习、科学计算等领域。本教程将带您逐步了解NumPy的基础知识和常用功能。

一、NumPy的安装与导入

在使用NumPy之前，需要先确保它已经安装在您的Python环境中。您可以使用pip命令来安装NumPy：

pip install numpy

安装完成后，您可以在Python脚本或交互式环境中导入NumPy库：

import numpy as np

二、NumPy数组基础

NumPy的核心是ndarray对象，它是一个快速而灵活的大数据集容器。

创建数组

使用np.array函数：

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

使用np.zeros和np.ones创建全0或全1数组：

zeros_arr = np.zeros((2, 3))  # 创建一个2x3的全0数组
ones_arr = np.ones((2, 3))    # 创建一个2x3的全1数组

使用np.linspace创建等差数列：

linspace_arr = np.linspace(0, 10, 5)  # 创建一个从0到10的等差数列，包含5个数

使用np.arange创建类似Python range的数组：

arange_arr = np.arange(0, 10, 2)  # 创建一个从0到8（不包括10），步长为2的数组

数组的形状与维度

使用.shape属性查看数组的形状：

print(arr.shape)  # 对于一维数组，输出类似(n,)的元组
print(zeros_arr.shape)  # 对于二维数组，输出类似(m, n)的元组

使用.ndim属性查看数组的维度：

print(arr.ndim)  # 输出数组的维度数

数组的数据类型
- NumPy数组中的元素可以是不同类型的数据，但每个数组中的所有元素类型必须相同。
- 使用.dtype属性查看数组的数据类型：
```
print(arr.dtype)  # 默认会根据输入数据自动推断数据类型
```
- 可以在创建数组时指定数据类型：
```
dtype_arr = np.array([1, 2, 3], dtype=np.float64)
print(dtype_arr.dtype)
```

三、NumPy数组操作

数组索引与切片

NumPy数组的索引和切片操作与Python列表类似，但支持多维索引。

print(arr[2])  # 访问一维数组中的第三个元素
print(zeros_arr[1, 2])  # 访问二维数组中的(1, 2)位置的元素
print(arr[1:4])  # 切片操作，获取一维数组中的第2到第4个元素（不包含第4个）

数组数学运算

NumPy支持数组间的数学运算，这些运算会逐元素进行。

arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
print(arr1 + arr2)  # 对应元素相加
print(arr1 * arr2)  # 对应元素相乘
print(np.sin(arr1))  # 对数组中的每个元素应用sin函数

数组统计与聚合

NumPy提供了丰富的统计函数，如求和、平均值、最大值、最小值等。

print(np.sum(arr))  # 求和
print(np.mean(arr))  # 平均值
print(np.max(arr))  # 最大值
print(np.min(arr))  # 最小值
print(np.std(arr))  # 标准差

数组重塑与广播

重塑数组：使用.reshape方法可以改变数组的形状。

reshaped_arr = arr.reshape((5, 1))  # 将一维数组重塑为5x1的二维数组

广播：NumPy支持广播机制，允许在不同形状的数组之间进行数学运算。

arr3 = np.array([[1], [2], [3]])
print(arr + 10)  # 将数组arr中的每个元素加10，即使10是一个标量
print(arr3 + arr)  # arr3是3x1的数组，arr是1x5的数组（在广播后视为3x5），对应元素相加

四、NumPy的高级功能

线性代数

NumPy提供了线性代数相关的函数，如矩阵乘法、矩阵分解等。

A = np.array([[1, 2], [3, 4]])
B = np.array([[5, 6], [7, 8]])
print(np.dot(A, B))  # 矩阵乘法
print(np.linalg.inv(A))  # 矩阵求逆

随机数生成

NumPy的random模块提供了多种随机数生成函数。

print(np.random.rand(3, 3))  # 生成一个3x3的随机数组，元素在[0, 1)之间
print(np.random.randn(3, 3))  # 生成一个3x3的随机数组，元素服从标准正态分布
print(np.random.randint(0, 10, (3, 3)))  # 生成一个3x3的随机整数数组，元素在[0, 10)之间

文件读写

NumPy支持从文本文件或二进制文件中读写数组数据。

# 保存到文本文件
np.savetxt('array.txt', arr, delimiter=',')

# 从文本文件读取
loaded_arr = np.loadtxt('array.txt', delimiter=',')
print(loaded_arr)

五、总结

NumPy是一个功能强大的科学计算库，它提供了高效的数组操作和数据处理能力。通过掌握NumPy的基础知识和常用功能，您可以更高效地处理和分析数据。本教程仅涵盖了NumPy的一部分内容，建议您进一步阅读NumPy的官方文档或相关书籍，以深入了解NumPy的高级功能和最佳实践。

本文地址：https://www.tides.cn/p_numpy-tutorial