什么是 NumPy?
NumPy 是用于处理数组的 python 库。
NumPy 指的是数值 Python(Numerical Python)。
为何使用 NumPy?
在 Python 中,我们有**满足数组功能的列表,**但是处理起来很慢。
NumPy 中的数组对象称为 ndarray,它提供了许多支持函数,使得利用 ndarray 非常容易。
数组在数据科学中非常常用,因为速度和资源非常重要。
为什么 NumPy 比列表快?
NumPy 数组存储在内存中的一个连续位置,因此进程可以非常有效地访问和操纵它们.
这种行为在计算机科学中称为引用的局部性。
NumPy 代码库在哪里?
安装 NumPy
如果您已经在系统上安装了 Python 和 PIP,那么安装 NumPy 非常容易。
请使用这条命令安装它:pip install numpy
如果此命令失败,请使用已经安装了 NumPy 的 python 发行版,例如 Anaconda、Spyder 等。
import numpy
arr = numpy.array([1, 2, 3, 4, 5])
print(arr)
#[1 2 3 4 5]
#NumPy 通常以 np 别名导入。
import numpy as np
#检查 NumPy 版本
import numpy as np
print(np.__version__)
创建 NumPy ndarray 对象
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
print(arr)
print(type(arr))
#使用元组创建 NumPy 数组:
import numpy as np
#注意:array里面放的是元组!
arr = np.array((1, 2, 3, 4, 5))
print(arr)
访问数组元素
NumPy 数组中的索引以 0 开头,这意味着第一个元素的索引为 0
import numpy as np
arr = np.array([1, 2, 3, 4])
print(arr[0])
#访问二维数组
import numpy as np
arr = np.array([[1,2,3,4,5], [6,7,8,9,10]])
print('2nd element on 1st dim: ', arr[0, 1])
NumPy 数组裁切
import numpy as np
arr = np.array([1, 2, 3, 4, 5, 6, 7])
print(arr[1:5])
#结果包括了开始索引,但不包括结束索引。[2 3 4 5]
#裁切数组中索引 4 到结尾的元素:
import numpy as np
arr = np.array([1, 2, 3, 4, 5, 6, 7])
print(arr[4:])
#裁切从开头到索引 4(不包括)的元素:
print(arr[:4])
#负裁切
import numpy as np
arr = np.array([1, 2, 3, 4, 5, 6, 7])
print(arr[-3:-1])
#从索引 1 到索引 5,返回相隔的元素:
import numpy as np
arr = np.array([1, 2, 3, 4, 5, 6, 7])
print(arr[1:5:2])
#[2 4]
#返回数组中相隔的元素:
import numpy as np
arr = np.array([1, 2, 3, 4, 5, 6, 7])
print(arr[::2])
#[1 3 5 7]
注意:不传递 start,则将其视为 0,不传递 end,则视为该维度内数组的长度。不传递 step,则视为 1。