NumPy(Numerical Python)是Python的⼀种开源的数值计算扩展。提供多维数组对象,各种派⽣对象(如掩码数组和矩阵),这种⼯具可⽤来存储和处理⼤型矩阵,比Python自身的嵌套列表(nested list structure)结构要⾼效的多(该结构也可以⽤来表示矩阵(matrix)),⽀持⼤量的维度数组与矩阵运算,此外也针对数组运算提供大量的数学函数库,包括数学、逻辑、形状操作、排序、选择、输入输出、离散傅立叶变换、基本线性代数,基本统计运算和随机模拟等等
一.Numpy的安装
首先,确保你已经安装了Python。然后,使用以下命令安装NumPy:
pip install numpy
二. NumPy的导入
在pycharm等运行脚本里导入numpy:
import numpy as np
三.Numpy的基础操作
1.创建数组
import numpy as np
a = [1,2,3,4,5] # 列表
arr = np.array(a) # 将列表转换为NumPy数组
print(arr) # 数据⼀样,NumPy数组的⽅法,功能更加强⼤
# 输出为
# array([1,2,3,4,5])
或者
import numpy as np
data = np.array()
2.观察属性
print(arr.shape) # 输出数组形状
print(arr.ndim) # 输出数组维度
print(arr.dtype) # 输出数组数据类型
print(arr.size) # 查看数组中的元素数量
print(arr.itemsize) # 查看一个数组元素的长度
3.索引、切片与运算
arr = np.array([0, 1, 2, 3, 4, 5])
print(arr[2]) # 输出索引为2的元素
print(arr[1:4]) # 输出索引为1到3的元素
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
print(a + b) # 数组相加
print(a * 2) # 数组乘以标量
4.常用函数
arr = np.array([1, 2, 3, 4])
print(np.sum(arr)) # 求和
print(np.mean(arr)) # 平均值
print(np.max(arr)) # 最大值
四、高阶功能
1.创建只含0或1的数组
one = np.ones([index, columns]) #生成index行,columns列且所有元素都为1的数组
zero = np.zeros([index, columns]) #生成index行,columns列且所有元素都为0的数组
ones = np.ones_like(ndarray) #生成一个行数和列数都与ndarry相同的且所有元素均为1的数组
zeros = np.zeros_like(ndarray) #生成一个行数和列数都与ndarry相同的且所有元素均为0的数组
2.生成随机数
先导入random
import random
正态分布,有三种:
np.random.randn(d0,d1,d2,……,dn) #从标准正态分布中返回一个或多个样本值
np.random.normal(loc = 0.0,scale = 1.0,size = None)#分别代表均值,标准差以及shape
np.random.standard_normal(size = None) #返回指定形状的数组
均匀分布也有三种:
np.random.rand(d0,d1,d2,……,dn) #返回[0.0,1.0)内的一组均匀分布的数
np.random.uniform(low = 0.0,high = 1.0,size = None) #返[0.0,1.0]中均匀分布的数
np.random.randint(low, high = None,size = None,dtype = 'i')
#从一个均匀分布中随机采样,生成一个整数或N维整数数组