在人工智能领域,很多的数学运算采用的都是NumPy这个库,本节课我们将从NumPy的基本使用开始,逐渐的去解决掉那些数学问题,让Python与数学深度的结合在一起。
NumPy的本质还是一个多维的数组对象,看到这句话的你,一定会有一个疑问。
它的原因是这样的,虽然我们之前学习过的数组对象和NumPy的数据表示看似一样,但是数组是无法直接参与数值运算的。而NumPy提供了非常多的科学计算方法,给我们提供了很大的便利,这也是我们为什么要学习它。
本文思维导图
环境介绍
先做一下环境介绍,如果你想要在本地环境使用它,那么你需要运行:
pip install numpy
若没有安装Jupyter,可以使用在线Jupyter lab
创建数组
创建一个数组
# 导入NumPy
import numpy as np
# 单个列表创建一维数组
arr1 = np.array([1,2,3,4,5,6])
当然你也可以像下边的代码这样,创建一个二维或是更多维度的数组:
import numpy as np
arr2 = np.array([[1,2,3,4],[4,5,6,7]])
print(arr2)
NumPy对象的两个属性
# 获取到数组的形状
arr2.shape
# 获取到数组中元素的类型
arr2.dtype
看到了数组获取到数组中元素的类型,你应该有一个问题,就是当我们创建数组的时候,如果我们并没有像上边那样,让所有的元素都是同一种类型,那会发生什么事情呢?我们在下面的代码框中实验一下吧。