Python的NumPy库基础用法

一、基础概念

NumPy是Python中用来进行数值计算和数据分析的一个基础库，它提供了许多高效的数组操作函数，支持不同维度的数组和矩阵运算。下面来详细介绍一下NumPy的用法。

二、安装与导入模块

因为该库不是Python的标准库，所以我们需要在命令行（cmd）执行以下命令来安装该库：

pip3 install numpy

之后我们进入python编译器或者vscode、pycharm等软件导入该库：

import numpy as np

三、创建NumPy数组

1、 一维数组（一组数据）

import numpy as np

a = np.array([1,2,3])

print(a)

运行结果是：

2、 多维数组（多个一组数据组合起来的数组）

import numpy as np

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

print(a)

运行结果是：

 

四、数组属性的获取

数组有很多属性值，包括数组的形状、数据类型、大小、维度和元素数等。通过以下属性可以获取数组的信息。

以下代码中将列出四种常用属性获取方法：

import numpy as np

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

# 获取数组的形状
print(a.shape)

# 获取数组的数据类型
print(a.dtype)

# 获取数组的大小
print(a.size)

# 获取数组的维数
print(a.ndim)

我们看结果：

 

五、数组的修改和访问

可以用索引和切片来修改和访问数组的元素。

1、访问

我们用索引的方式来访问数组中的 ' 1 '：

import numpy as np

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

b = a[0][0]

print(b)

运行结果是：

 接下来使用切片的方式来访问 ' 1 ':

import numpy as np

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

b = a[0][0:1:1]

print(b)

结果是：

2、修改

我们用索引的方式来将数组中的 ' 1 ' 修改成 ' 5 '：

只需要在访问的基础上加个 ' = ' 号，后面再加上一个数值就可以了

import numpy as np

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

a[0][0] = 5

print(a)

结果是：

可以看到，数组中的元'1'已经修改成'5'了。但这种方法只能修改一个数值，接下来我们使用切片的方式来修改多个数值，将'1','2','3',修改成'5','5','5':

import numpy as np

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

a[0][0:3:1] = 5

print(a)

结果是：

 六、数组之间的运算

 可以对数组进行各种数学运算，包括加减乘除等，并且可以进行广播运算和矩阵运算。

# 数组的加减乘除
import numpy as np
c = np.array([1, 2, 3])
d = np.array([4, 5, 6])
print(c + d)
print(c - d)
print(c * d)
print(c / d)

结果：

这种方式是矩阵运算的，c中元素1 与 d中元素4 对应 ，c中元素2 与 d中元素5 对应 ，余此类推。也就是说两个变量 的 数组、元素 数量必须一致。接下来我们看一下广播运算：

import numpy as np
e = np.array([1, 2, 3])
f = np.array([[4, 5, 6], [7, 8, 9]])
print(e + f)

看结果：

这种方式是对应的，1 对应 4,2 对应 5，3 对应 6 ，因为f是二维数组，所以结果返回两个数组，那么假设我们给e中再添加一个数组会怎样：

import numpy as np
e = np.array([[1, 2, 3],[1,1,1]])
f = np.array([[4, 5, 6], [7, 8, 9]])
print(e + f)

结果：

如果再给e中添加一个数组的话，再运行就会报错了。