NumPy 基础教程

NumPy 是 Python 中用于科学计算的基础包。它提供了一个高性能的多维数组对象，以及用于操作数组的工具。本教程将介绍 NumPy 的安装、基本用法、数组操作以及一些高级功能。

一、引言

NumPy 是 Python 社区中最常用的科学计算库之一，它提供了高性能的多维数组对象以及用于处理这些数组的工具。NumPy 的数组（称为 ndarray）比 Python 的内置列表更加高效，尤其是在进行数学运算时。

二、安装 NumPy

通常情况下，安装 Anaconda 或者 Miniconda 就可以直接使用 NumPy。如果没有安装这些，可以通过 pip 或 conda 安装 NumPy：

Bash

深色版本

1pip install numpy

或者使用 conda：

Bash

深色版本

1conda install numpy

三、基本用法

一旦安装完成，就可以开始使用 NumPy 了。以下是一些基本的例子。

3.1 导入库

Python

深色版本

1import numpy as np

3.2 创建数组

Python

深色版本

1# 创建一个一维数组
2arr1 = np.array([1, 2, 3])
3
4# 创建一个多维数组
5arr2 = np.array([[1, 2, 3], [4, 5, 6]])
6
7# 创建一个全零数组
8zeros = np.zeros((2, 3))
9
10# 创建一个全一数组
11ones = np.ones((2, 3))
12
13# 创建一个指定范围内的等间距数组
14linspace = np.linspace(0, 1, 5)
15
16# 创建一个指定范围内的随机数组
17random = np.random.rand(2, 3)
18
19# 创建一个指定范围内的整数数组
20integers = np.arange(1, 10, 2)
21
22# 创建一个按照一定模式填充的数组
23filled = np.full((2, 2), 7)
24
25# 打印数组
26print(arr1)
27print(arr2)
28print(zeros)
29print(ones)
30print(linspace)
31print(random)
32print(integers)
33print(filled)

四、数组操作

NumPy 提供了许多用于操作数组的方法。

4.1 数组索引与切片

Python

深色版本

1# 一维数组的索引
2print(arr1[0])
3
4# 多维数组的索引
5print(arr2[0, 1])
6
7# 切片
8print(arr1[1:3])
9print(arr2[:, 1:])

4.2 数组重塑

Python

深色版本

1# 重塑数组形状
2reshaped = arr2.reshape(3, 2)
3print(reshaped)

4.3 数组连接

Python

深色版本

1# 水平连接
2hstack = np.hstack((arr1, arr1))
3
4# 垂直连接
5vstack = np.vstack((arr1, arr1))
6
7print(hstack)
8print(vstack)

4.4 数组分割

Python

深色版本

1# 水平分割
2split_h = np.hsplit(arr2, 2)
3
4# 垂直分割
5split_v = np.vsplit(arr2, 2)
6
7print(split_h)
8print(split_v)

4.5 数组转置

Python

深色版本

1# 转置
2transposed = arr2.T
3print(transposed)

4.6 数学运算

Python

深色版本

1# 加法
2addition = arr1 + arr1
3
4# 减法
5subtraction = arr1 - arr1
6
7# 乘法
8multiplication = arr1 * arr1
9
10# 除法
11division = arr1 / arr1
12
13# 幂运算
14power = arr1 ** 2
15
16# 打印结果
17print(addition)
18print(subtraction)
19print(multiplication)
20print(division)
21print(power)

4.7 统计运算

Python

深色版本

1# 求和
2sum_total = np.sum(arr1)
3
4# 最大值
5max_value = np.max(arr1)
6
7# 最小值
8min_value = np.min(arr1)
9
10# 平均值
11mean_value = np.mean(arr1)
12
13# 标准差
14std_deviation = np.std(arr1)
15
16# 方差
17variance = np.var(arr1)
18
19# 打印结果
20print(sum_total)
21print(max_value)
22print(min_value)
23print(mean_value)
24print(std_deviation)
25print(variance)

五、广播机制

NumPy 支持数组之间的广播机制，这使得不同形状的数组可以进行数学运算。

5.1 广播示例

Python

深色版本

1# 创建两个不同形状的数组
2a = np.array([1, 2, 3])
3b = np.array([2])
4
5# 广播加法
6result = a + b
7print(result)

六、索引与选择

NumPy 提供了多种方式来访问和选择数组中的元素。

6.1 布尔索引

Python

深色版本

1# 创建一个布尔数组
2bool_arr = arr1 > 1
3
4# 使用布尔数组进行索引
5selected = arr1[bool_arr]
6print(selected)

6.2 高级索引

Python

深色版本

1# 使用整数数组进行索引
2index_arr = np.array([1, 1, 2])
3selected = arr1[index_arr]
4print(selected)

七、结论

通过以上步骤，您已经掌握了 NumPy 的基本用法。NumPy 是进行科学计算和数据分析的基础，熟悉 NumPy 的操作将为您后续学习其他库（如 Pandas、Matplotlib 和 SciPy 等）打下坚实的基础。