文章目录
- NumPy 的主要功能
- 创建数组
- 数组操作
- 统计和计算
- 随机数生成
- 线性代数
- 文件输入输出
- 常用 NumPy 函数及其参数
- `np.array()`
- `np.arange()`
- `np.linspace()`
- `np.reshape()`
- `np.tile()`
- `np.repeat()`
- `np.concatenate()`
- `np.split()`
- `np.where()`
- `np.argsort()`
- `np.histogram()`
- 结语
NumPy 是 Python 编程语言的一个扩展程序库,广泛应用于科学计算、数据分析和机器学习等领域。它提供了强大的 N 维数组对象、广播功能函数、集成 C/C++ 和 Fortran 代码的工具,以及丰富的线性代数、傅立叶变换和随机数功能 。
NumPy 的主要功能
创建数组
NumPy 提供了多种创建数组的方法,例如:
np.array()
: 从列表创建数组。np.zeros()
: 创建全0数组。np.ones()
: 创建全1数组。np.full()
: 创建用单一值填充的数组。np.arange()
: 根据指定间隔创建数组。np.linspace()
: 在指定区间内创建指定数量的等间隔样本 。
数组操作
NumPy 数组支持广泛的操作,包括:
- 切片和索引:访问数组元素。
- 广播:不同形状的数组之间的操作。
- 形状操作:如
reshape
更改数组形状。 - 合并和分割:使用
np.concatenate()
,np.split()
,np.hsplit()
,np.vsplit()
,np.dsplit()
等函数 。
统计和计算
NumPy 提供了丰富的函数来进行统计分析和数学计算,如:
np.mean()
: 计算平均值。np.median()
: 计算中位数。np.std()
: 计算标准差。np.var()
: 计算方差。np.sum()
: 计算元素之和。np.prod()
: 计算元素乘积。np.cumsum()
: 计算累积和 。
随机数生成
NumPy 可以生成各种分布的随机数,例如:
np.random.rand()
: 生成 [0, 1) 区间的随机数。np.random.randint()
: 生成指定范围内的随机整数。np.random.uniform()
: 在上下限之间的均匀分布中生成随机样本。
线性代数
NumPy 提供了一套完整的线性代数功能,包括矩阵乘法、特征值计算、奇异值分解等。
文件输入输出
NumPy 支持将数组保存到文件或从文件加载,使用 np.savetxt()
和 np.loadtxt()
函数。
常用 NumPy 函数及其参数
np.array()
object
: 要转换为数组的序列。dtype
: 指定数组的数据类型。copy
: 是否复制输入数据,默认为 True。order
: 指定内存布局,如 ‘C’ 或 ‘F’。subok
: 是否允许使用子类,默认为 False。ndmin
: 指定生成数组的最小维度数 。
np.arange()
start
: 序列的起始值。stop
: 序列的结束值。step
: 数值步长。
np.linspace()
start
: 序列的起始值。stop
: 序列的结束值。num
: 要生成的样本数。endpoint
: 是否包含结束值。
np.reshape()
shape
: 指定数组的新形状。
np.tile()
A
: 要重复的数组。reps
: 重复次数。
np.repeat()
a
: 要重复的元素数组。repeats
: 每个元素重复的次数。
np.concatenate()
tuple_of_arrays
: 要连接的数组序列。axis
: 指定连接的轴。
np.split()
ary
: 要分割的数组。indices_or_sections
: 分割的数量或索引。
np.where()
condition
: 条件表达式。x
,y
: 条件为真和假时的结果。
np.argsort()
a
: 输入数组。axis
: 排序的轴。
np.histogram()
a
: 输入数据。bins
: 箱数或箱边界。range
: 统计的数值范围。
结语
NumPy 是 Python 进行科学计算不可或缺的库,它为数据分析、机器学习、图像处理等领域提供了强大的支持。通过 NumPy,我们可以高效地处理和分析大规模数据集,极大地提升开发效率和数据处理能力。