引言
NumPy 是 Python 中一个非常重要的科学计算库，它提供了高性能的多维数组对象以及用于操作这些数组的工具。NumPy 数组（也称为 ndarray）是 NumPy 库的核心，它比 Python 内置的列表类型更高效，特别是在处理大型数据集时。本文将介绍 NumPy 数组的基本概念、创建方法以及一些常用的数组操作。
安装 NumPy
在开始之前，确保你的环境中已经安装了 NumPy。如果没有安装，可以通过 pip 进行安装：
pip install numpy
NumPy 数组的基础概念
- 数组对象 (
ndarray)：NumPy 的核心数据结构，是一个 N 维数组。 - 维度 (
axes)：数组的维度数，即数组的秩。 - 形状 (
shape)：一个整数元组，表示每个维度上的元素数量。 - 数据类型 (
dtype)：数组中元素的数据类型。 - 步幅 (
strides)：每个维度上遍历一个元素所需的字节数。
创建 NumPy 数组
NumPy 提供了多种创建数组的方法：
使用现有数据:
import numpy as np # 从列表创建数组 arr_from_list = np.array([1, 2, 3]) print(arr_from_list) # 多维数组 multi_arr = np.array([[1, 2, 3], [4, 5, 6]]) print(multi_arr)使用内置函数:
# 创建全零数组 zeros_array = np.zeros((2, 3)) print(zeros_array) # 创建全一数组 ones_array = np.ones((2, 3), dtype=int) print(ones_array) # 创建常数值数组 constant_array = np.full((2, 3), 7) print(constant_array) # 创建等差数列 arange_array = np.arange(1, 10, 2) print(arange_array) # 创建等比数列 linspace_array = np.linspace(0, 1, 5) print(linspace_array) # 创建单位矩阵 identity_matrix = np.eye(3) print(identity_matrix)
常用数组操作
NumPy 提供了大量的函数来进行数组操作，包括但不限于切片、索引、算术运算、统计函数等。
索引与切片:
a = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) # 选取第一行 print(a[0]) # 选取第二列 print(a[:, 1]) # 切片选取 print(a[1:3, :2])算术运算:
b = np.array([[1, 2], [3, 4]]) c = np.array([[5, 6], [7, 8]]) # 加法 print(b + c) # 减法 print(b - c) # 乘法 (逐元素相乘) print(b * c) # 矩阵乘法 print(np.dot(b, c))统计函数:
d = np.array([1, 2, 3, 4, 5]) # 求和 print(np.sum(d)) # 最大值 print(np.max(d)) # 最小值 print(np.min(d)) # 平均值 print(np.mean(d)) # 方差 print(np.var(d)) # 标准差 print(np.std(d))转置和重塑:
e = np.array([[1, 2], [3, 4]]) # 转置 print(e.T) # 重塑 f = np.arange(8).reshape(2, 4) print(f)广播机制:
g = np.array([1, 2, 3]) h = 2 # 广播相加 print(g + h)
示例：计算平均温度
假设我们有一个包含每天温度的 NumPy 数组，我们将计算这一周的平均温度。
# 创建一个一周温度的数组
temperatures = np.array([22, 24, 21, 23, 20, 25, 26])
# 计算平均温度
average_temperature = np.mean(temperatures)
print("Average temperature for the week:", average_temperature)
结论
通过本文，你应该对 NumPy 数组有了基本的认识，并掌握了如何创建数组以及执行一些常见的数组操作。NumPy 是 Python 数据科学的重要组成部分，熟练掌握 NumPy 的使用对于进行高效的科学计算至关重要。在未来的学习过程中，你可以进一步探索 NumPy 的高级功能，如高级索引、条件操作、线性代数等。
```
