用 NumPy 在 Python 中处理数字，这些知识点你会吗

my_ndarray.size

5

使用 NumPy 方法创建 ndarray

如果你不想直接使用列表来创建 ndarray，还有几种可以用来创建它的 NumPy 方法。

你可以使用 np.zeros来创建一个填满 0 的 ndarray。它需要一个“形状”作为参数，这是一个包含行数和列数的列表。它还可以接受一个可选的dtype参数，这是 ndarray 的数据类型：

my_ndarray = np.zeros([2,3], dtype=int)

print(my_ndarray)

[[0 0 0]

[0 0 0]]

你可以使用 np. ones来创建一个填满1的 ndarray：

my_ndarray = np.ones([2,3], dtype=int)

print(my_ndarray)

[[1 1 1]

[1 1 1]]

你可以使用 np.full来给 ndarray 填充一个特定的值：

my_ndarray = np.full([2,3], 10, dtype=int)

print(my_ndarray)

[[10 10 10]

[10 10 10]]

你可以使用 np.eye来创建一个单位矩阵 / ndarray，这是一个沿主对角线都是1的正方形矩阵。正方形矩阵是一个行数和列数相同的矩阵：

my_ndarray = np.eye(3, dtype=int)

print(my_ndarray)

[[1 0 0]

[0 1 0]

[0 0 1]]

你可以使用 np.diag来创建一个沿对角线有指定数值的矩阵，而在矩阵的其他部分为0：

my_ndarray = np.diag([10, 20, 30, 40, 50])

print(my_ndarray)

[[10 0 0 0 0]

[ 0 20 0 0 0]

[ 0 0 30 0 0]

[ 0 0 0 40 0]

[ 0 0 0 0 50]]

你可以使用 np.range来创建一个具有特定数值范围的 ndarray。它是通过指定一个整数的开始和结束（不包括）范围以及一个步长来创建的：

my_ndarray = np.arange(1, 20, 3)

print(my_ndarray)

[ 1 4 7 10 13 16 19]

读取 ndarray

ndarray 的值可以使用索引、分片或布尔索引来读取。

使用索引读取 ndarray 的值

在索引中，你可以使用 ndarray 的元素的整数索引来读取数值，就像你读取 Python 列表一样。就像 Python 列表一样，索引从 0开始。

例如，在定义如下的 ndarray 中：

my_ndarray = np.arange(1, 20, 3)

第四个值将是 my_ndarray[3]，即10。最后一个值是my_ndarray[-1]，即19：

my_ndarray = np.arange(1, 20, 3)

print(my_ndarray[0])

1

print(my_ndarray[3])

10

print(my_ndarray[-1])

19

print(my_ndarray[5])

16

print(my_ndarray[6])

19

使用分片读取 ndarray

你也可以使用分片来读取 ndarray 的块。分片的工作方式是用冒号（:）操作符指定一个开始索引和一个结束索引。然后，Python 将获取该开始和结束索引之间的 ndarray 片断：

print(my_ndarray[:])

[ 1 4 7 10 13 16 19]

print(my_ndarray[2:4])

[ 7 10]

print(my_ndarray[5:6])

[16]

print(my_ndarray[6:7])

[19]

print(my_ndarray[:-1])

[ 1 4 7 10 13 16]

print(my_ndarray[-1:])

[19]

分片创建了一个 ndarray 的引用（或视图）。这意味着，修改分片中的值也会改变原始 ndarray 的值。

比如说：

my_ndarray[-1:] = 100

print(my_ndarray)

[ 1 4 7 10 13 16 100]

对于秩超过 1 的 ndarray 的分片，可以使用 [行开始索引:行结束索引, 列开始索引:列结束索引]语法：

my_ndarray2 = np.array([(1, 2, 3), (4, 5, 6)])

print(my_ndarray2)

[[1 2 3]

[4 5 6]]

print(my_ndarray2[0:2,1:3])

[[2 3]

[5 6]]

使用布尔索引读取 ndarray 的方法

读取 ndarray 的另一种方法是使用布尔索引。在这种方法中，你在方括号内指定一个过滤条件，然后返回符合该条件的 ndarray 的一个部分。

例如，为了获得一个 ndarray 中所有大于 5 的值，你可以指定布尔索引操作 my_ndarray[my_ndarray > 5]。这个操作将返回一个包含所有大于 5 的值的 ndarray：

my_ndarray = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])

my_ndarray2 = my_ndarray[my_ndarray > 5]

print(my_ndarray2)

[ 6 7 8 9 10]

例如，为了获得一个 ndarray 中的所有偶数值，你可以使用如下的布尔索引操作：

my_ndarray2 = my_ndarray[my_ndarray % 2 == 0]

print(my_ndarray2)

[ 2 4 6 8 10]

而要得到所有的奇数值，你可以用这个方法：

my_ndarray2 = my_ndarray[my_ndarray % 2 == 1]

print(my_ndarray2)

[1 3 5 7 9]

ndarray 的矢量和标量算术

NumPy 的 ndarray 允许进行矢量和标量算术操作。在矢量算术中，在两个 ndarray 之间进行一个元素的算术操作。在标量算术中，算术运算是在一个 ndarray 和一个常数标量值之间进行的。

如下的两个 ndarray：

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

my_ndarray2 = np.array([6, 7, 8, 9, 10])

如果你将上述两个 ndarray 相加，就会产生一个两个 ndarray 的元素相加的新的 ndarray。例如，产生的 ndarray 的第一个元素将是原始 ndarray 的第一个元素相加的结果，以此类推：

print(my_ndarray2 + my_ndarray)

[ 7 9 11 13 15]

这里，7是1和6的和，这是我相加的 ndarray 中的前两个元素。同样，15是5和10之和，是最后一个元素。

请看以下算术运算：

print(my_ndarray2 - my_ndarray)

[5 5 5 5 5]

print(my_ndarray2 * my_ndarray)

[ 6 14 24 36 50]

print(my_ndarray2 / my_ndarray)

[6. 3.5 2.66666667 2.25 2. ]

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Python开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V获取：vip1024c （备注Python）

1a671c1fb70aad5355a2c5eeff0.png)

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Python开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V获取：vip1024c （备注Python）
[外链图片转存中…(img-SjbdBnOy-1711880925515)]