NumPy 是 Python 中的一个基础科学计算库,提供了高效的数组和矩阵操作功能。以下是 NumPy 常用函数的详细用法:
目录
numpy.zeros() 和 numpy.ones():创建指定形状的全零或全一数组。
算术运算符:+、-、*、/ 等运算符可用于数组的逐元素操作。
矩阵乘积:使用 numpy.dot() 函数进行矩阵乘积运算。
广播:NumPy 可以对不同形状的数组进行广播操作,使它们具有相同的形状
numpy.concatenate() 和 numpy.vstack():将多个数组沿着指定轴合并。
numpy.mean()、numpy.median()、numpy.var()、numpy.std():计算数组的平均值、中位数、方差和标准差。
numpy.max() 和 numpy.min():返回数组中的最大值和最小值。
1.创建数组
-
numpy.array()
:从列表或元组中创建数组。import numpy as np arr1 = np.array([1, 2, 3]) arr2 = np.array((4, 5, 6))
-
numpy.arange()
:创建等距离的一维数组。 -
arr3 = np.arange(1, 10, 2) # start, stop, step
numpy.zeros()
和numpy.ones()
:创建指定形状的全零或全一数组。 -
arr4 = np.zeros((2, 3)) # 2x3的全0数组 arr5 = np.ones((2, 3)) # 2x3的全1数组
2.数组运算
-
算术运算符:
+
、-
、*
、/
等运算符可用于数组的逐元素操作。 -
arr6 = np.array([1, 2, 3]) arr7 = np.array([4, 5, 6]) arr8 = arr6 + arr7 # [5, 7, 9]
-
矩阵乘积:使用
numpy.dot()
函数进行矩阵乘积运算。 -
arr9 = np.array([[1, 2], [3, 4]]) arr10 = np.array([[5, 6], [7, 8]]) arr11 = np.dot(arr9, arr10) # [[19, 22], [43, 50]]
广播:NumPy 可以对不同形状的数组进行广播操作,使它们具有相同的形状
-
arr12 = np.array([[1, 2], [3, 4]]) arr13 = np.array([1, 2]) arr14 = arr12 + arr13 # [[2, 4], [4, 6]]
3.数组操作
-
numpy.reshape()
:改变数组形状。
arr15 = np.arange(1, 10)
arr16 = arr15.reshape((3, 3))
-
numpy.concatenate()
和numpy.vstack()
:将多个数组沿着指定轴合并。 -
arr17 = np.array([[1, 2], [3, 4]]) arr18 = np.array([[5, 6], [7, 8]]) arr19 = np.concatenate((arr17, arr18), axis=0) # 垂直方向合并 arr20 = np.vstack((arr17, arr18)) # 同上
-
numpy.split()
:将数组分割为多个子数组。 -
arr21 = np.array([1, 2, 3, 4, 5, 6]) arr22 = np.split(arr21, 3) # 将 arr21 分成 3 个子数组
-
4.统计函数
- NumPy 提供了许多用于统计分析的函数,如:
-
-
numpy.mean()
、numpy.median()
、numpy.var()
、numpy.std()
:计算数组的平均值、中位数、方差和标准差。arr23 = np.array([1, 2, 3, 4, 5]) mean = np.mean(arr23) # 平均值 median = np.median(arr23) # 中位数 variance = np.var(arr23) # 方差 stddev = np.std(arr23) # 标准差
-
numpy.max()
和numpy.min()
:返回数组中的最大值和最小值。
-
arr24 = np.array([1, 2, 3, 4, 5])
max_value = np.max(arr24) # 最大值
min_value = np.min(arr24) # 最小值
以上函数仅是 NumPy 中较为常用的一部分,NumPy 还提供了许多其他功能强大的函数。