python之numpy库小例子

以下是10个使用NumPy的示例，每个示例都带有输出结果：

1. 创建NumPy数组：

  import numpy as np

  # 创建一个长度为5的一维数组，元素都是0
  arr1 = np.zeros(5)
  print(arr1)

  # 创建一个2x3的二维数组，元素都是1
  arr2 = np.ones((2, 3))
  print(arr2)

  # 创建一个3x3的单位矩阵
  arr3 = np.eye(3)
  print(arr3)

输出：

[0. 0. 0. 0. 0.]
[[1. 1. 1.]
 [1. 1. 1.]]
[[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]

2. 数组运算：

  import numpy as np

  arr1 = np.array([1, 2, 3])
  arr2 = np.array([4, 5, 6])

  # 数组相加
  result_add = arr1 + arr2
  print(result_add)

  # 数组相乘（对应元素相乘）
  result_multiply = arr1 * arr2
  print(result_multiply)

  # 数组点积（矩阵乘法）
  result_dot = np.dot(arr1, arr2)
  print(result_dot)

输出：

[5 7 9]
[ 4 10 18]
32

3. 数组索引和切片：

 import numpy as np

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

 # 获取第三个元素
 third_element = arr[2]
 print(third_element)

 # 获取第二到第四个元素（切片）
 slice_arr = arr[1:4]
 print(slice_arr)

 # 修改元素值
 arr[0] = 10
 print(arr)

输出：

3
[2 3 4]
[10  2  3  4  5]

4. 数组形状操作：

 import numpy as np

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

 # 获取数组形状
 shape = arr.shape
 print(shape)

 # 转置数组
 transposed_arr = arr.T
 print(transposed_arr)

 # 改变数组形状
 reshaped_arr = arr.reshape(3, 2)
 print(reshaped_arr)

输出：

(2, 3)
[[1 4]
 [2 5]
 [3 6]]
[[1 2]
 [3 4]
 [5 6]]

5. 统计运算：

  import numpy as np

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

  # 计算数组均值
  mean_value = np.mean(arr)
  print(mean_value)

  # 计算数组标准差
  std_deviation = np.std(arr)
  print(std_deviation)

  # 计算数组累积和
  cumsum = np.cumsum(arr)
  print(cumsum)

输出：

3.5
1.707825127659933
[ 1  3  6 10 15 21]

6. 数组拼接和分割：

 import numpy as np

 arr1 = np.array([[1, 2], [3, 4]])
 arr2 = np.array([[5, 6]])

 # 数组拼接
 concatenated_arr = np.concatenate((arr1, arr2), axis=0)
 print(concatenated_arr)

 # 数组分割
 split_arr = np.split(concatenated_arr, 2, axis=0)
 print(split_arr)

输出：

[[1 2]
 [3 4]
 [5 6]]
[array([[1, 2]]), array([[3, 4],
       [5, 6]])]

7. 广播操作：

 import numpy as np

 arr1 = np.array([[1, 2, 3], [4, 5, 6]])
 scalar = 2

 # 数组和标量相加（广播）
 result_broadcast = arr1 + scalar
 print(result_broadcast)

输出：

[[3 4 5]
 [6 7 8]]

8. 逻辑运算和布尔索引：

  import numpy as np

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

  # 判断元素是否大于2
  greater_than_2 = arr > 2
  print(greater_than_2)

  # 使用布尔索引获取符合条件的元素
  filtered_arr = arr[arr > 2]
  print(filtered_arr)

输出：

[False False  True  True  True]
[3 4 5]

9. 随机数生成：

  import numpy as np

  # 生成随机整数数组
  random_int_arr = np.random.randint(1, 10, size=(2, 3))
  print(random_int_arr)

  # 生成随机浮点数数组
  random_float_arr = np.random.rand(3, 2)
  print(random_float_arr)

输出：

[[7 6 2]
 [5 9 9]]
[[0.85574175 0.62360251]
 [0.17683274 0.76652094]
 [0.8326267  0.19824845]]

10. 线性代数运算：

  import numpy as np

  # 创建矩阵
  A = np.array([[1, 2], [3, 4]])
  B = np.array([[5, 6], [7, 8]])

  # 矩阵乘法
  matrix_product = np.dot(A, B)
  print(matrix_product)

输出：

[[19 22]
[43 50]]

了解更多python项目开发，请关注我：Python提升课堂