17、NumPy库基础概述【用Python进行AI数据分析进阶教程】-CSDN博客

本文链接：https://blog.csdn.net/imewe/article/details/148492160

用Python进行AI数据分析进阶教程17：NumPy库基础概述

👉 欢迎订阅🔗
《用Python进行AI数据分析进阶教程》专栏
《AI大模型应用实践进阶教程》专栏
《Python编程知识集锦》专栏
《智能辅助驾驶》专栏
《工具软件及IT技术集锦》专栏

关键词：NumPy库、ndarray对象、矢量化操作、多维数组、应用领域。

摘要：NumPy是Python科学计算库，支持高效存储和计算、矢量化操作，提供丰富数学函数，可处理多维数组。其核心数据结构为ndarray，具有shape、dtype、ndim等属性。常用操作包括创建数组、索引切片、数组运算及变形。NumPy广泛应用于科学计算、数据分析、机器学习、深度学习及信号处理等领域，是数据处理与分析的重要工具。

NumPy是Python 的一个重要的科学计算库，以下是对其基础的概述：

1、定义与特点

● 定义：NumPy（Numerical Python）是 Python 语言的一个扩展程序库，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。

● 特点

● 高效存储和计算：它采用了 C 语言的数组存储方式，在存储和操作大量数据时，比 Python 原生的数据结构（如列表）更加高效，能显著提高计算速度。

● 矢量化操作：允许对数组进行批量操作，无需使用循环，使代码更简洁、易读，同时也提高了执行效率。

● 丰富的数学函数：提供了大量的数学函数，如三角函数、指数函数、对数函数等，方便进行各种数学计算。

● 支持多维数组：可以创建和操作多维数组，方便处理图像、音频、视频等多维数据。

2、主要对象

● ndarray：即 N 维数组对象（N-dimensional array object），是 NumPy 库的核心数据结构。它是一个由相同类型的数据元素组成的多维数组，具有以下重要属性：

● shape：表示数组的形状，即每个维度的大小，返回一个元组。例如，一个二维数组的 shape 可能是 (3, 4)，表示有 3 行 4 列。

● dtype：数据类型，描述数组中元素的数据类型，如int32、float64、bool等。

● ndim：数组的维度数量。

3、常用操作

（1）创建数组

● 使用数组字面量：可以直接使用numpy.array()函数将 Python 列表或元组转换为 NumPy 数组。例如，np.array([1, 2, 3, 4])创建一个一维数组。

● 使用特定函数：numpy.zeros()、numpy.ones()、numpy.arange()等函数可以创建特定类型的数组。例如，np.zeros((3, 4))创建一个 3 行 4 列的全零二维数组。

（2）数组索引和切片：

与 Python 列表类似，可以使用索引和切片来访问和修改数组中的元素。对于二维数组，arr[i, j]表示访问第i行第j列的元素，arr[:, 1]表示选取所有行的第二列。

（3）数组运算

● 算术运算：可以对数组进行加、减、乘、除等算术运算，这些运算会在数组的对应元素上进行。例如，两个形状相同的数组相加，对应元素相加得到新的数组。

● 逻辑运算：进行比较和逻辑运算，如arr > 5会返回一个布尔数组，其中大于 5 的元素对应位置为True，否则为False。

（4）数组变形

● reshape：可以使用reshape()方法改变数组的形状，前提是新形状的元素总数与原数组相同。例如，arr.reshape((2, 6))可以将一个一维数组重塑为 2 行 6 列的二维数组。

● transpose：用于转置二维数组，交换行和列。对于二维数组arr，arr.transpose()或arr.T可以得到其转置数组。

4、应用领域

● 科学计算：在物理学、化学、生物学等科学领域，用于处理实验数据、进行数值模拟等。

● 数据分析：是数据分析的重要工具，与 Pandas 等库结合，用于数据清洗、转换和分析。

● 机器学习和深度学习：在机器学习和深度学习中，用于数据预处理、模型训练和评估等。例如，将图像数据转换为 NumPy 数组进行处理，或者存储神经网络的权重和激活值。

● 信号处理：在音频、视频等信号处理领域，用于信号的采样、滤波、变换等操作。

——The END——

🔗 欢迎订阅专栏

序号	专栏名称	说明
1	用Python进行AI数据分析进阶教程	《用Python进行AI数据分析进阶教程》专栏
2	AI大模型应用实践进阶教程	《AI大模型应用实践进阶教程》专栏
3	Python编程知识集锦	《Python编程知识集锦》专栏
4	智能辅助驾驶	《智能辅助驾驶》专栏
5	工具软件及IT技术集锦	《工具软件及IT技术集锦》专栏