numpy基本用法

NumPy 是 Python 中用于科学计算的基础库，提供了高性能的多维数组对象以及处理这些数组的工具。以下是 NumPy 的一些基本用法：

1. 安装与导入

在使用 NumPy 之前，需要先安装它。如果你使用的是 pip，可以通过以下命令安装：

pip install numpy

安装完成后，在 Python 脚本中导入 NumPy：

import numpy as np

2. 创建数组

从 Python 列表创建

import numpy as np

# 创建一维数组
a = np.array([1, 2, 3, 4, 5])
print("一维数组：", a)

# 创建二维数组
b = np.array([[1, 2, 3], [4, 5, 6]])
print("二维数组：", b)

使用 arange 函数

import numpy as np

# 创建一个从 0 到 9 的数组
c = np.arange(10)
print("使用 arange 创建的数组：", c)

使用 zeros 和 ones 函数

import numpy as np

# 创建一个全为 0 的数组
d = np.zeros((2, 3))
print("全为 0 的数组：", d)

# 创建一个全为 1 的数组
e = np.ones((3, 2))
print("全为 1 的数组：", e)

3. 数组的基本属性

import numpy as np

b = np.array([[1, 2, 3], [4, 5, 6]])

# 数组的形状
print("数组的形状：", b.shape)

# 数组的维度
print("数组的维度：", b.ndim)

# 数组中元素的总数
print("数组中元素的总数：", b.size)

# 数组中元素的类型
print("数组中元素的类型：", b.dtype)

4. 数组的索引和切片

一维数组

import numpy as np

a = np.array([1, 2, 3, 4, 5])

# 访问第一个元素
print("第一个元素：", a[0])

# 切片操作
print("从索引 1 到索引 3 的元素：", a[1:4])

二维数组

import numpy as np

b = np.array([[1, 2, 3], [4, 5, 6]])

# 访问第一行第二列的元素
print("第一行第二列的元素：", b[0, 1])

# 访问第一行的所有元素
print("第一行的所有元素：", b[0, :])

# 访问第二列的所有元素
print("第二列的所有元素：", b[:, 1])

5. 数组的运算

基本数学运算

import numpy as np

a = np.array([1, 2, 3])
b = np.array([4, 5, 6])

# 加法
print("加法：", a + b)

# 减法
print("减法：", a - b)

# 乘法
print("乘法：", a * b)

# 除法
print("除法：", a / b)

矩阵乘法

import numpy as np

a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])

# 矩阵乘法
print("矩阵乘法：", np.dot(a, b))

6. 数组的统计函数

import numpy as np

a = np.array([1, 2, 3, 4, 5])

# 计算数组的平均值
print("数组的平均值：", np.mean(a))

# 计算数组的标准差
print("数组的标准差：", np.std(a))

# 计算数组的最大值
print("数组的最大值：", np.max(a))

# 计算数组的最小值
print("数组的最小值：", np.min(a))

这些是 NumPy 的一些基本用法，NumPy 还有很多其他强大的功能，如数组的重塑、排序、随机数生成等。