python NumPy入门篇

NumPy介绍

什么是NumPy？

NumPy是一个用于处理数组的Python库。

它还具有在线性代数，傅里叶变换和矩阵领域工作的函数。

NumPy由Travis Oliphant于2005年创建。这是一个开源项目，您可以自由使用它。

NumPy 代表 Numeric Python。

为什么使用NumPy？

在Python中，我们有用于数组目的的列表，但它们的处理速度很慢。

NumPy旨在提供一个比传统Python列表快50倍的数组对象。

NumPy中的数组对象被称为，它提供了许多支持函数，使工作变得非常容易。ndarray``ndarray

数组在数据科学中非常频繁地使用，其中速度和资源非常重要。

为什么NumPy比Lists快？

与列表不同，NumPy数组存储在内存中的一个连续位置，因此进程可以非常有效地访问和操作它们。

此行为在计算机科学中称为引用位置。

这是NumPy比列表更快的主要原因。此外，它还经过优化，可与最新的CPU架构配合使用

NumPy是用哪种语言编写的？

NumPy是一个Python库，部分用Python编写，但大多数需要快速计算的部分都是用C或C++编写的。

NumPy代码库在哪里？

NumPy的源代码位于此github存储库 https://github.com/numpy/numpy

NumPy 安装

安装 NumPy

pip install numpy

尝试使用 NumPy

• Import NumPy

  安装NumPy后，通过添加关键字将其导入到应用程序中：import

  例子：

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

  响应结果：

  [1 2 3 4 5]
  

• 别名导入：import numpy as np

  例子：

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

  响应结果：

  [1 2 3 4 5]
  

检查数字Py版本

版本字符串存储在属性下。__version__

import numpy as np

print(np.__version__)

响应结果：

1.22.4

NumPy 创建数组

创建一个 NumPy ndarray 对象

NumPy 用于处理数组。NumPy 中的数组对象称为 : ndarray

我们可以使用函数array()创建一个NumPy ndarray对象。

例子：

import numpy as np

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

print(arr)

print(type(arr))

运行结果:

[1 2 3 4 5]
<class 'numpy.ndarray'>

要创建一个ndarray ，我们可以将列表，元组或任何类似数组的对象传递到方法array()中，它将转换为
ndarray

import numpy as np

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

print(arr)

运行结果：

[1 2 3 4 5]

数组中的维度

数组中的维度是数组深度的一个级别（嵌套数组）。

嵌套数组： 是以数组作为其元素的数组。

0-D 阵列

0-D 数组或标量是数组中的元素。数组中的每个值都是一个 0-D 数组。

例: 创建值为 42 的 0-D 数组

import numpy as np

arr = np.array(42)

print(arr)

运行结果：

42

1-D 阵列

以 0-D 数组作为其元素的数组称为一维或一维数组。

这些是最常见和最基本的数组。

例 : 创建一个包含值 1，2，3，4，5 的一维数组

import numpy as np

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

print(arr)

运行结果：

[1 2 3 4 5]

2-D 阵列

以一维数组作为其元素的数组称为二维数组。

这些通常用于表示矩阵或二阶张量。

NumPy有一个专门用于矩阵运算的整个子模块，称为numpy.mat

例 创建一个包含两个值为 1、2、3 和 4，5，6 的数组的 2-D 数组：

import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6]])

print(arr)

运行结果：

[[1 2 3]
 [4 5 6]]

3-D 阵列

以二维数组（矩阵）作为其元素的数组称为三维数组。

这些通常用于表示三阶张量。

例 创建一个包含两个 2-D 数组的 3-D 数组，这两个数组都包含两个值为 1，2，3 和 4，5，6 的数组：

import numpy as np

arr = np.array([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]])

print(arr)

运行结果：

[[[1 2 3]
  [4 5 6]]

 [[1 2 3]
  [4 5 6]]]

查看数组维度

NumPy Arrays提供了一个属性ndim，该属性返回一个整数，该整数告诉我们数组有多少个维度。

例子：检查数组有多少个维度：

import numpy as np

a = np.array(42)
b = np.array([1, 2, 3, 4, 5])
c = np.array([[1, 2, 3], [4, 5, 6]])
d = np.array([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]])

print(a.ndim)
print(b.ndim)
print(c.ndim)
print(d.ndim)

运行结果：

0
1
2
3

高维数组

一个数组可以具有任意数量的维度。

创建数组时，可以使用参数ndmin定义维度数。

例 创建一个具有 5 个维度的数组，并验证它是否具有 5 个维度：

import numpy as np

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

print(arr)
print('number of dimensions :', arr.ndim)

运行结果:

[[[[[1 2 3 4]]]]]
number of dimensions : 5