目录
一、前言
Python是一种高级编程语言，由Guido van Rossum于1991年创建。它以简洁、易读的语法而闻名，并且具有强大的功能和广泛的应用领域。Python具有丰富的标准库和第三方库，可以用于开发各种类型的应用程序，包括Web开发、数据分析、人工智能、科学计算、自动化脚本等。
Python本身是一种伟大的通用编程语言，在一些流行的库（numpy，scipy，matplotlib）的帮助下，成为了科学计算的强大环境。本系列将介绍Python编程语言和使用Python进行科学计算的方法，主要包含以下内容：
- Python：基本数据类型、容器（列表、元组、集合、字典）、函数、类
- Numpy：数组、索引和切片、数组数学、广播
- Matplotlib：绘图，子图，图像
- IPython：创建笔记本，典型工作流程
二、实验环境
| numpy | 1.21.6 | |
| python | 3.7.16 |
- 运行下述命令检查Python版本
python --version - 运行下述代码检查Python、NumPy版本
import sys
import numpy as np
print("Python 版本:", sys.version)
print("NumPy 版本:", np.__version__)
三、NumPy
NumPy（Numerical Python）是一个用于科学计算的Python库。它提供了一个强大的多维数组对象（ndarray），用于进行高效的数值运算和数据处理。Numpy的主要功能包括：
多维数组：Numpy的核心是ndarray对象，它是一个多维数组，可以存储同类型的元素。这使得Numpy非常适合处理向量、矩阵和其他多维数据结构。
数学函数：Numpy提供了许多常用的数学函数，如三角函数、指数函数、对数函数等。这些函数可以直接应用于整个数组，而无需编写循环。
广播（Broadcasting）：Numpy支持不同形状的数组之间的运算，通过广播机制，可以对形状不同的数组进行逐元素的操作，而无需显式地编写循环。
线性代数运算：Numpy提供了丰富的线性代数运算函数，如矩阵乘法、求解线性方程组、特征值计算等。
随机数生成：Numpy包含了用于生成各种概率分布的随机数的函数，如均匀分布、正态分布、泊松分布等。
数据操作：Numpy提供了很多用于操作数组的函数，如切片、索引、排序、去重等。
Numpy广泛应用于科学计算、数据分析、机器学习等领域。它的高效性和便捷性使得它成为Python数据科学生态系统中不可或缺的组成部分。
0、多维数组对象（ndarray）
NumPy的ndarray对象是NumPy库中最重要的对象之一，也是进行科学计算的核心数据结构。ndarray代表了一个多维的数组，可以存储相同类型的元素。
1. 多维数组的属性
ndarray.shape：返回表示数组形状的元组，例如(2, 3)表示2行3列的数组。ndarray.dtype：返回数组中元素的数据类型，例如int、float、bool等。ndarray.ndim：返回数组的维度数，例如1表示一维数组，2表示二维数组。
1、创建数组
https://blog.csdn.net/m0_63834988/article/details/132782221?spm=1001.2014.3001.55022、数组操作
1. 索引和切片
-
a. 索引
- 使用整数索引：可以使用整数索引访问数组中的特定元素。例如，
arr[0]将返回数组arr中的第一个元素。 - 使用布尔索引：可以使用布尔数组作为索引来选择满足特定条件的元素。例如，
arr[arr > 5]将返回数组arr中大于5的元素。 - 使用多维索引：对于多维数组，可以使用多个整数或布尔索引来访问特定的元素。例如，
arr[0, 1]将返回多维数组arr中第一行第二列的元素。
- 使用整数索引：可以使用整数索引访问数组中的特定元素。例如，
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
# 整数索引
print(arr[0]) # 输出：1
# 布尔索引
print(arr[arr > 3]) # 输出：[4, 5]
# 多维索引
arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr[0, 1]) # 输出：2-
b. 切片
- 使用基本切片：可以使用基本切片表示法从数组中获取连续的子数组。例如，
arr[1:5]将返回数组arr中索引为1到4的元素。 - 使用步长切片：可以使用步长切片表示法从数组中获取间隔的子数组。例如，
arr[1:5:2]将返回数组arr中索引为1、3的元素。 - 使用省略号切片：对于多维数组，可以使用省略号(...)表示连续的切片。例如，
arr[..., 1]将返回多维数组arr中的第二列。 - 使用负数索引和切片：可以使用负数索引和切片来从数组的末尾开始访问元素。例如，
arr[-1]将返回数组arr中的最后一个元素。
- 使用基本切片：可以使用基本切片表示法从数组中获取连续的子数组。例如，
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
# 基本切片
print(arr[1:4]) # 输出：[2, 3, 4]
# 步长切片
print(arr[1:5:2]) # 输出：[2, 4]
# 省略号切片
arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr[..., 1]) # 输出：[2, 5]
# 负数索引和切片
print(arr[-1]) # 输出：[4, 5, 6]2. 形状操作
a. 获取数组形状
b. 改变数组形状
c. 展平数组
import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6]])
# 获取数组形状
print(arr.shape) # 输出：(2, 3)
# 改变数组形状
reshaped_arr = arr.reshape((3, 2))
print(reshaped_arr)
# 输出：
# [[1 2]
# [3 4]
# [5 6]]
# 展平数组
flattened_arr = arr.flatten()
print(flattened_arr) # 输出：[1 2 3 4 5 6]3. 转置操作
数组转置操作是指将数组的行和列互换的操作，转置操作对于处理二维数组特别有用，例如在矩阵运算和线性代数中经常需要对数组进行转置。
a. 使用.T属性
在NumPy中，多维数组对象（ndarray）具有一个名为.T的属性，可以用于进行转置操作。该属性返回原始数组的转置结果，即行变为列，列变为行。
import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6]])
transposed_arr = arr.T
print(transposed_arr)
输出：
[[1 4]
[2 5]
[3 6]]b. 使用transpose()函数
另一种实现数组转置的方法是使用np.transpose()函数。该函数接受一个多维数组作为参数，并返回其转置结果。
import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6]])
transposed_arr = np.transpose(arr)
print(transposed_arr)输出：
[[1 4]
[2 5]
[3 6]]4. 拼接操作
数组拼接操作是指将多个数组按照指定的方式进行连接的操作。
np.concatenate()函数
np.concatenate()函数用于沿指定的轴连接数组。可以沿着现有的轴连接两个或多个数组，也可以指定axis参数来创建一个新的轴。np.concatenate()`函数将`arr1`和`arr2`沿着行方向（`axis=0`）进行了拼接：
import numpy as np
arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6]])
# 沿行方向拼接数组
concatenated_arr = np.concatenate((arr1, arr2), axis=0)
print(concatenated_arr)
输出：
[[1 4]
[2 5]
[3 6]]np.vstack()函数
np.vstack()函数用于垂直拼接（按行堆叠）两个或多个数组。它将输入的数组沿着垂直方向堆叠起来，生成一个新的数组。
import numpy as np
arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6]])
# 垂直拼接数组
vstack_arr = np.vstack((arr1, arr2))
print(vstack_arr)输出：
[[1 4]
[2 5]
[3 6]]np.hstack()函数
np.hstack()函数用于水平拼接（按列堆叠）两个或多个数组。它将输入的数组沿着水平方向堆叠起来，生成一个新的数组。
import numpy as np
arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6]])
# 水平拼接数组
hstack_arr = np.hstack((arr1, arr2.T))
输出：
[[1 2 5]
[3 4 6]]
4358
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
