Numpy 是 Python 中一个非常重要的科学计算库,它提供了多维数组对象、派生对象(如掩码数组和矩阵)以及用于快速操作数组的各种例程,包括数学、逻辑、形状操作、排序、选择、I/O、离散傅立叶变换、基本线性代数、基本统计运算、随机模拟等等。
以下是一些基本的 Numpy 入门教程内容:
-
安装 Numpy: 使用 pip 安装 Numpy:
pip install numpy
-
导入 Numpy: 在 Python 脚本中导入 Numpy:
import numpy as np
-
创建数组: 创建一维和多维数组:
a = np.array([1, 2, 3]) b = np.array([[1, 2, 3], [4, 5, 6]])
-
数组属性: 查看数组的形状、类型等属性:
print(a.shape) # 输出数组的形状 print(a.dtype) # 输出数组的数据类型
-
数组运算: 基本的数组运算,包括加法、减法、乘法等:
c = a + 5 d = b * 2
-
数组切片: 对数组进行切片操作:
e = b[0, 1:3] # 获取 b 数组第一行的第二列到第三列
-
数组索引: 使用不同的索引方式访问数组元素:
f = b[:, 1] # 获取 b 数组中所有行的第二列
-
数组函数: 使用 Numpy 的函数进行数学运算,如求和、平均值等:
print(np.sum(a)) # 求和 print(np.mean(b)) # 求平均值
-
广播: Numpy 的广播机制允许不同大小的数组进行算术运算:
g = a + b # a 会被广播以匹配 b 的形状
-
随机数生成: 使用 Numpy 生成随机数数组:
h = np.random.rand(2, 3) # 生成 2x3 的随机数组
-
线性代数: 使用 Numpy 进行矩阵运算,如矩阵乘法:
i = np.dot(b, b.T) # 矩阵乘法
-
文件读写: 读写数组到文件:
np.save('some_array', a) # 保存数组 a 到文件 a = np.load('some_array.npy') # 从文件加载数组
这只是 Numpy 的一些基础用法,Numpy 的功能非常强大,可以进行更复杂的数学和科学计算。你可以查看官方文档或在线教程来获取更详细的信息和高级用法。