以 numpy 为例认识三方库及其使用
初学者:以下内容了解即可,后续章节会介绍编程基础。
Python 的三方库是指由第三方开发者编写的、用于完成特定任务的代码集合。这些库可以通过安装包管理器(如 pip 或 conda)来下载和安装,并且可以在 Python 代码中被导入和使用。
三方库的使用非常简单,只需要在代码中导入相应的库,然后调用其中的函数和类即可。
import 导入三方库
此处只介绍 import 方法,列举一下几种方式对照学习。
方式一:
123import numpy
a = numpy.array([1, 2, 3])
方式二:
123import numpy as np
a = np.array([1, 2, 3])
方式三:
123import numpy as xxx
a = xxx.array([1, 2, 3])
其中方式二和三是同一种,‘as’后面的字母是自定义。
关于 NumPy
NumPy 是 Python 中的一个开源科学计算库,常被用于科学计算和数据分析。它提供了高效的 N 维数组操作接口,可以用来表示和处理各种数值数据,包括图像、声音、文本等。
要使用 NumPy 库,需要先下载安装。我们可以在 NumPy 官方网站(http://www.numpy.org/)上下载最新版本的安装包。安装完成后,可以在 Python 的代码中引入 NumPy 库,如下所示:
了解 Numpy 数组
初学者:了解即可,后续会有更深入介绍。
Python 中的列表可以保存任意类型的数据,但由于其本身是动态数组,因此遍历和查询操作是很慢的。而且,当需要对列表进行数学操作时,需要通过循环来对列表中的元素进行计算,如下所示:
123a = [1, 2, 3]
for i in range(len(a)):
a[i] = a[i] * 2
因此,为了有效处理数学运算,我们需要借助 NumPy 数组。和列表不同,NumPy 数组在定义时就需要确定其维度和类型。下面分别介绍一维和二维数组。
一维数组
一维数组是指只包含一个维度的数组,类似于列表。例如,下面的代码定义了一个包含三个元素的一维数组:
123import numpy as np
a = np.array([1, 2, 3])
二维数组
与一维数组不同,二维数组包含两个维度,因此其元素是以行列方式排列的。我们可以将二维数组看作由多个一维数组组成的矩阵。例如,下面的代码定义了一个二维数组:
123import numpy as np
b = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
了解 NumPy 统计函数
初学者:了解即可,知道如何复制使用。
NumPy 提供了大量的数学函数和统计工具,方便我们对数组进行分析和处理。下面介绍其中一种常用的统计函数 `mean()`。
官方:numpy.mean(a, axis=None, dtype=None, out=None, keepdims=)求取平均值。
初学者:nump.mean(a) 其中 a: 表示你要计算的数组
`mean()` 函数用于计算数组的平均值,可以用来评估数据的中心位置。例如,我们可以使用 `mean()` 函数来计算数组中所有元素的平均值:([1, 2, 3])括号中的数据是你要计算均值的内容。
12345import numpy as np
a = np.array([1, 2, 3])
mean_a = np.mean(a)
print(mean_a)
运行结果为:2.0
NumPy 库及其基本数据类型——N 维数组,以及常用的统计函数之一 `mean()`。NumPy 库提供了高效的数学计算接口,可以处理各种数学计算任务。掌握了 NumPy 库的基础知识,可以为进一步学习和应用机器学习算法打下基础。