最全Python Numpy库的教程_1(1)，多亏这份《秋招+金九银十-腾讯面试题合集》跳槽薪资翻倍

一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。

二、Python必备开发工具

工具都帮大家整理好了，安装就可直接上手！

三、最新Python学习笔记

当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。

四、Python视频合集

观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

五、实战案例

纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

六、面试宝典

简历模板

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

arr3 = np.zeros((3, 3), dtype=float)  # 创建一个3x3的全0数组
arr4 = np.ones((2, 4), dtype=int)  # 创建一个2x4的全1数组
arr5 = np.full((2, 3), 5.0)  # 创建一个2x3的全5数组

Numpy还提供了一些便捷的函数来创建特定形状的数组，如np.zeros、np.ones、np.full、np.empty等。

3. 数组属性

在使用Numpy数组之前，我们可以了解一些数组的基本属性。

# 数组维度
print(arr2.shape)  # 输出：(3, 3)

# 数组元素类型
print(arr2.dtype)  # 输出：int64

# 数组大小（元素个数）
print(arr2.size)  # 输出：9

shape属性返回一个元组，表示数组的形状。对于二维数组来说，形状是(行数, 列数)。dtype属性返回数组的元素类型。size属性返回数组的大小，即元素的个数。

4. 访问数组元素

可以通过索引访问Numpy数组中的元素。

# 访问一维数组元素
print(arr1[0])  # 输出：1

# 访问二维数组元素
print(arr2[1, 2])  # 输出：6

可以使用逗号将索引分隔开，第一个索引表示行，第二个索引表示列。

除了使用整数索引，还可以使用切片来访问数组的子数组。

# 访问一维数组的切片
print(arr1[1:4])  # 输出：[2 3 4]

# 访问二维数组的切片
print(arr2[0:2, 1:3])
"""
输出：
[[2 3]
 [5 6]]
"""

切片操作可以用于获取数组的子集，也可以用于修改数组的部分元素。

5. 数组运算

Numpy数组支持各种数学运算，包括加法、减法、乘法、除法、取余等。

# 加法
arr3 = arr1 + 5
print(arr3)  # 输出：[6 7 8 9 10]

# 乘法
arr4 = arr2 \* 2
print(arr4)
"""
输出：
[[ 2 4 6]
 [ 8 10 12]
 [14 16 18]]
"""

# 数组点积
dot_product = np.dot(arr1, arr1)
print(dot_product)  # 输出：55

在运算过程中，如果两个数组的形状不匹配，Numpy会自动调整数组的形状进行运算。这个特性称为广播（broadcasting）。

6. 数组重塑

Numpy提供了一些函数来改变数组的形状。

# 改变数组维度
arr1_reshaped = arr1.reshape((5, 1))  # 将一维数组变为列向量
arr2_flattened = arr2.flatten()  # 将二维数组展平为一维数组

reshape函数可以改变数组的维度，传入一个元组表示目标形状。flatten函数可以将多维数组展平为一维数组。

7. 数组合并

Numpy提供了一些函数来合并多个数组。

# 水平合并
arr6 = np.array([1, 2, 3])
arr7 = np.array([4, 5, 6])
arr8 = np.hstack((arr6, arr7))

# 垂直合并
arr9 = np.vstack((arr6, arr7))

# 深度合并
arr10 = np.dstack((arr6, arr7))

hstack函数可以将多个数组水平合并，vstack函数可以将多个数组垂直合并，dstack函数可以将多个数组以深度方向合并。

8. 数组统计

Numpy提供了一些函数来对数组进行统计分析。

# 求和
sum1 = np.sum(arr1)

# 最大值
max1 = np.max(arr1)

# 最小值
min1 = np.min(arr1)

# 平均值
mean1 = np.mean(arr1)

# 标准差
std1 = np.std(arr1)

# 方差
var1 = np.var(arr1)

还有其他一些函数，如median、percentile、argmax、argmin等，可以根据需要进行使用。

9. 随机数

Numpy提供了一些函数来生成随机数。

一、Python所有方向的学习路线

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、学习软件

工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

三、入门学习视频

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！