python中numpy库的使用简明基础教程（巨简洁实用）

python基础教程系列

python中numpy库的使用
NumPy 是一个 Python 包。 它代表 “Numeric Python”。 它是一个由多维数组对象和用于处理数组的例程集合组成的库。

---

---

1.导入NumPy

Import numpy as np

2.生成NumPy数组

要生成NumPy数组，需要使用np.array()方法。np.array()接收python列表作为参数，生成NumPy数组（numpy.ndarray）

>>> x = np.array([1.0, 2.0, 3.0])
>>> print(x)
[1.  2.  3.]
>>> type(x)
<class 'numpy.ndarray'>

3.NumPy的算术运算

当数组x和数组y元素个数相同时，就可以对各个元素进行加减乘除算数运算。

4.N维数组

>>> A = np.array([[1, 2], [3, 4]])
>>> print(A)
[[1 2]
 [3 4]]
>>> A.shape
(2, 2)
>>> A.dtype
dtype('int64')

这里生成了一个2×2的矩阵A。另外，矩阵A的形状可以通过shape查看，矩阵元素的数据类型可以通过dtype查看。并且，算数运算也可以在相同形状的矩阵间以对应元素的方式进行。

一维数组——向量
二维数组——矩阵
三维及以上数组——张量（tensor）

5.广播

这里用图片可以很直观的表示，即矩阵进行运算时如果维度不够会自动补全。

6.访问元素

元素的索引从0开始。对各个元素的访问可以按照如下方式进行。

>>> X = np.array([[51, 55], [14, 19],[0, 4]])
>>> print(X)
[[51  55]
 [14  19]
 [0    4]]
>>> X[0] # 第0行
array([51, 55])
>>> X[0][1]
55

也可以使用for语句访问各个元素

>>> for row in X
           print(row)
[51  55]
[14  19]
[0  4]

除了前面介绍的索引操作，NumPy还可以使用数组访问各个元素。

>>> X = X.flatten() # 将X数组转换为1维数组
>>> print(X)
[51 55 14 19 0 4]
>>> X[np.array([0, 2, 4])] # 获取索引为0，2，4的元素
array([51, 14, 0])

例如从X中抽出大于15的元素，可以写成以下形式。

>>> X > 15
array([True, True, False,True, False, False], dytpe=bool)
>>> X[X>15]
array([51, 55, 19])