Python Numpy库的教程

简介: Python Numpy库的教程

Numpy是Python中用于科学计算的一个重要库。它提供了高性能的多维数组对象和用于处理数组的数学函数。

本文将详细介绍Numpy库的使用方法和常见功能,并通过案例演示其实际应用。

1. 安装Numpy库


要使用Numpy库,首先需要安装它。在终端或命令提示符中执行以下命令来安装Numpy库:

pip install numpy


安装完成后,我们可以在Python程序中导入Numpy库:

import numpy as np


现在我们可以开始使用Numpy库了。

2. 创建Numpy数组

Numpy数组是多维的,可以容纳任意类型的元素。我们可以从Python列表创建Numpy数组。

# 从Python列表创建一维数组
arr1 = np.array([1, 2, 3, 4, 5])
# 从嵌套的Python列表创建二维数组
arr2 = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])


创建数组时,我们可以指定数组的形状和元素类型。例如,我们可以创建一个形状为(3, 3)的二维数组,元素类型为浮点数:

arr3 = np.zeros((3, 3), dtype=float)  # 创建一个3x3的全0数组
arr4 = np.ones((2, 4), dtype=int)  # 创建一个2x4的全1数组
arr5 = np.full((2, 3), 5.0)  # 创建一个2x3的全5数组


Numpy还提供了一些便捷的函数来创建特定形状的数组,如np.zerosnp.onesnp.fullnp.empty等。

3. 数组属性

在使用Numpy数组之前,我们可以了解一些数组的基本属性。

# 数组维度
print(arr2.shape)  # 输出:(3, 3)
# 数组元素类型
print(arr2.dtype)  # 输出:int64
# 数组大小(元素个数)
print(arr2.size)  # 输出:9

shape属性返回一个元组,表示数组的形状。对于二维数组来说,形状是(行数, 列数)。dtype属性返回数组的元素类型。size属性返回数组的大小,即元素的个数。

4. 访问数组元素


可以通过索引访问Numpy数组中的元素。

# 访问一维数组元素
print(arr1[0])  # 输出:1
# 访问二维数组元素
print(arr2[1, 2])  # 输出:6

可以使用逗号将索引分隔开,第一个索引表示行,第二个索引表示列。

除了使用整数索引,还可以使用切片来访问数组的子数组。

# 访问一维数组的切片
print(arr1[1:4])  # 输出:[2 3 4]
# 访问二维数组的切片
print(arr2[0:2, 1:3])
"""
输出:
[[2 3]
 [5 6]]
"""


切片操作可以用于获取数组的子集,也可以用于修改数组的部分元素。

5. 数组运算

Numpy数组支持各种数学运算,包括加法、减法、乘法、除法、取余等。

# 加法
arr3 = arr1 + 5
print(arr3)  # 输出:[6 7 8 9 10]
# 乘法
arr4 = arr2 * 2
print(arr4)
"""
输出:
[[ 2  4  6]
 [ 8 10 12]
 [14 16 18]]
"""
# 数组点积
dot_product = np.dot(arr1, arr1)
print(dot_product)  # 输出:55

6. 数组重塑

Numpy提供了一些函数来改变数组的形状。

# 改变数组维度
arr1_reshaped = arr1.reshape((5, 1))  # 将一维数组变为列向量
arr2_flattened = arr2.flatten()  # 将二维数组展平为一维数组

reshape函数可以改变数组的维度,传入一个元组表示目标形状。flatten函数可以将多维数组展平为一维数组。

7. 数组合并

Numpy提供了一些函数来合并多个数组。

# 水平合并
arr6 = np.array([1, 2, 3])
arr7 = np.array([4, 5, 6])
arr8 = np.hstack((arr6, arr7))
# 垂直合并
arr9 = np.vstack((arr6, arr7))
# 深度合并
arr10 = np.dstack((arr6, arr7))


hstack函数可以将多个数组水平合并,vstack函数可以将多个数组垂直合并,dstack函数可以将多个数组以深度方向合并。

8. 数组统计

Numpy提供了一些函数来对数组进行统计分析。

# 求和
sum1 = np.sum(arr1)
# 最大值
max1 = np.max(arr1)
# 最小值
min1 = np.min(arr1)
# 平均值
mean1 = np.mean(arr1)
# 标准差
std1 = np.std(arr1)
# 方差
var1 = np.var(arr1)


还有其他一些函数,如medianpercentileargmaxargmin等,可以根据需要进行使用。

9. 随机数

Numpy提供了一些函数来生成随机数。

# 生成随机整数
randint1 = np.random.randint(0, 10, size=(3, 3))
# 生成随机浮点数
uniform1 = np.random.uniform(0, 1, size=(3, 3))
# 生成标准正态分布随机数
normal1 = np.random.normal(0, 1, size=(3, 3))

randint函数可以生成指定范围内的随机整数,uniform函数可以生成指定范围内的随机浮点数,normal函数可以生成符合正态分布的随机数。

10. 实例应用

让我们通过一个实例来演示Numpy库的应用。假设我们有一组学生的成绩数据,存储在一个Numpy数组中。

# 学生成绩数组
scores = np.array([80, 72, 85, 90, 66, 77, 88, 93, 79, 81])
# 统计分析
mean_score = np.mean(scores)  # 平均成绩
max_score = np.max(scores)  # 最高成绩
min_score = np.min(scores)  # 最低成绩
passed_count = np.sum(scores >= 60)  # 及格人数
print("平均成绩:", mean_score)
print("最高成绩:", max_score)
print("最低成绩:", min_score)
print("及格人数:", passed_count)


输出结果:

平均成绩: 80.1
最高成绩: 93
最低成绩: 66
及格人数: 10


通过Numpy库的函数,我们可以快速计算出学生成绩的平均值、最高值、最低值和及格人数。


总结:


本文介绍了Numpy库的基本用法和常见功能,并通过案例演示了Numpy提供了高性能的多维数组对象和数学函数,方便进行科学计算和数据处理。通过学习Numpy库,你可以更加高效地处理和分析数据。


希望本文对你学习和使用Numpy库有所帮助!

相关文章
|
4天前
|
数据采集 JavaScript Android开发
【02】仿站技术之python技术,看完学会再也不用去购买收费工具了-本次找了小影-感觉页面很好看-本次是爬取vue需要用到Puppeteer库用node.js扒一个app下载落地页-包括安卓android下载(简单)-ios苹果plist下载(稍微麻烦一丢丢)-优雅草卓伊凡
【02】仿站技术之python技术,看完学会再也不用去购买收费工具了-本次找了小影-感觉页面很好看-本次是爬取vue需要用到Puppeteer库用node.js扒一个app下载落地页-包括安卓android下载(简单)-ios苹果plist下载(稍微麻烦一丢丢)-优雅草卓伊凡
29 7
【02】仿站技术之python技术,看完学会再也不用去购买收费工具了-本次找了小影-感觉页面很好看-本次是爬取vue需要用到Puppeteer库用node.js扒一个app下载落地页-包括安卓android下载(简单)-ios苹果plist下载(稍微麻烦一丢丢)-优雅草卓伊凡
|
11天前
|
JSON 数据可视化 API
Python 中调用 DeepSeek-R1 API的方法介绍,图文教程
本教程详细介绍了如何使用 Python 调用 DeepSeek 的 R1 大模型 API,适合编程新手。首先登录 DeepSeek 控制台获取 API Key,安装 Python 和 requests 库后,编写基础调用代码并运行。文末包含常见问题解答和更简单的可视化调用方法,建议收藏备用。 原文链接:[如何使用 Python 调用 DeepSeek-R1 API?](https://apifox.com/apiskills/how-to-call-the-deepseek-r1-api-using-python/)
|
22天前
|
IDE 测试技术 项目管理
【新手必看】PyCharm2025 免费下载安装配置教程+Python环境搭建、图文并茂全副武装学起来才嗖嗖的快,绝对最详细!
PyCharm是由JetBrains开发的Python集成开发环境(IDE),专为Python开发者设计,支持Web开发、调试、语法高亮、项目管理、代码跳转、智能提示、自动完成、单元测试和版本控制等功能。它有专业版、教育版和社区版三个版本,其中社区版免费且适合个人和小型团队使用,包含基本的Python开发功能。安装PyCharm前需先安装Python解释器,并配置环境变量。通过简单的步骤即可在PyCharm中创建并运行Python项目,如输出“Hello World”。
197 13
【新手必看】PyCharm2025 免费下载安装配置教程+Python环境搭建、图文并茂全副武装学起来才嗖嗖的快,绝对最详细!
|
28天前
|
测试技术 Python
【03】做一个精美的打飞机小游戏,规划游戏项目目录-分门别类所有的资源-库-类-逻辑-打包为可玩的exe-练习python打包为可执行exe-优雅草卓伊凡-持续更新-分享源代码和游戏包供游玩-1.0.2版本
【03】做一个精美的打飞机小游戏,规划游戏项目目录-分门别类所有的资源-库-类-逻辑-打包为可玩的exe-练习python打包为可执行exe-优雅草卓伊凡-持续更新-分享源代码和游戏包供游玩-1.0.2版本
106 31
【03】做一个精美的打飞机小游戏,规划游戏项目目录-分门别类所有的资源-库-类-逻辑-打包为可玩的exe-练习python打包为可执行exe-优雅草卓伊凡-持续更新-分享源代码和游戏包供游玩-1.0.2版本
|
1月前
|
机器学习/深度学习 存储 数据挖掘
Python图像处理实用指南:PIL库的多样化应用
本文介绍Python中PIL库在图像处理中的多样化应用,涵盖裁剪、调整大小、旋转、模糊、锐化、亮度和对比度调整、翻转、压缩及添加滤镜等操作。通过具体代码示例,展示如何轻松实现这些功能,帮助读者掌握高效图像处理技术,适用于图片美化、数据分析及机器学习等领域。
73 20
|
2月前
|
数据可视化 DataX Python
Seaborn 教程-绘图函数
Seaborn 教程-绘图函数
87 8
|
2月前
|
Python
Seaborn 教程-模板(Context)
Seaborn 教程-模板(Context)
57 4
|
2月前
Seaborn 教程-主题(Theme)
Seaborn 教程-主题(Theme)
155 7
|
2月前
|
数据可视化 Python
Seaborn 教程
Seaborn 教程
64 5
|
2月前
|
XML JSON 数据库
Python的标准库
Python的标准库
185 77

热门文章

最新文章

推荐镜像

更多