NumPy库

NumPy（Numerical Python）是Python中常用的数值计算库，它提供了高性能的多维数组对象和对数组进行操作的函数。

1.多维数组对象（ndarray）

（1）NumPy最重要的对象是ndarray，它是一个具有固定大小的数组，可以包含相同类型的元素。

（2）ndarray的维度称为轴（axes），轴的个数称为秩（rank）。

（3）ndarray对象可以通过索引和切片进行访问和操作。

2.数组创建和初始化

（1）使用NumPy的array()函数可以创建一个ndarray对象。

（2）可以使用NumPy提供的函数创建特定类型的数组，如zeros()、ones()、arange()等。

（3）可以通过reshape()函数改变数组的形状。

3.数组的操作

（1）可以对数组进行基本的算术运算，如加法、减法、乘法、除法等。

（2）可以使用NumPy提供的函数进行数组的逐元素运算，如sqrt()、exp()、sin()等。

（3）可以对数组进行切片和索引操作，获取数组的子集。

4.数组的聚合和统计

（1）NumPy提供了很多聚合函数，如sum()、mean()、min()、max()等，用于对数组进行统计计算。

（2）可以使用axis参数指定在哪个轴上进行聚合操作。

5.数组的广播

（1）NumPy的广播（broadcasting）机制允许对形状不同的数组进行计算。

（2）在广播中，较小的数组会自动扩展成较大数组的形状，以便进行元素级别的操作。

6.数组的排序和搜索

（1）可以使用sort()函数对数组进行排序。

（2）可以使用searchsorted()函数在有序数组中执行二分搜索。

7.数组的读写和文件操作

（1）可以使用NumPy的loadtxt()和savetxt()函数读写文本文件中的数组数据。

（2）可以使用NumPy的load()和save()函数读写二进制文件中的数组数据。

8.数组的线性代数运算

（1）NumPy提供了一些函数用于进行线性代数运算，如dot()、inv()、det()等。

（2）可以使用NumPy提供的线性代数模块（linalg）进行更复杂的线性代数操作。

9.数组的随机数生成

（1）NumPy的random模块提供了生成随机数的函数，如rand()、randn()、randint()等。

常用操作

创建数组

import numpy as np
# 通过列表创建一维数组
arr1 = np.array([1, 2, 3, 4, 5])
# 通过元组创建二维数组
arr2 = np.array([(1, 2, 3), (4, 5, 6)])
# 通过范围创建一维数组
arr3 = np.arange(1, 6)

上述代码示例中，使用NumPy库的array函数和arange函数分别创建了一维和二维数组。

数组属性

import numpy as np
arr = np.array([1, 2, 3, 4, 5])
print("数组形状：", arr.shape)
print("数组维度：", arr.ndim)
print("数组大小：", arr.size)

上述代码示例中，使用NumPy数组的属性shape、ndim和size分别获取了数组的形状、维度和大小。

索引和切片

import numpy as np
arr = np.array([1, 2, 3, 4, 5])
print("第一个元素：", arr[0])
print("最后一个元素：", arr[-1])
print("切片取值：", arr[1:4])

上述代码示例中，使用NumPy数组的索引和切片操作，获取了数组中的元素和部分元素。

数组运算

import numpy as np
arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
# 数组加法
arr3 = arr1 + arr2
# 数组乘法
arr4 = arr1 * arr2
# 数组平方
arr5 = arr1 ** 2
print("数组加法结果：", arr3)
print("数组乘法结果：", arr4)
print("数组平方结果：", arr5)

上述代码示例中，使用NumPy数组进行了加法、乘法和平方运算，得到了对应的结果数组。

数组重塑

import numpy as np
arr = np.array([1, 2, 3, 4, 5, 6])
# 重塑为二维数组
arr_reshape = arr.reshape(2, 3)
print("重塑后的数组：\n", arr_reshape)

上述代码示例中，使用NumPy数组的reshape方法将一维数组重塑为二维数组。