Numpy是Python的扩展库(第三方库),支持维度数组和矩阵运算,是运算速度很快的数学库。
Numpy官方文档:NumPy user guide — NumPy v2.0 Manual
帮助:可使用help(...)查看函数说明文档(若是第三方库的函数,需先导入库)。例如:help(np.array)
Python代码中,导入numpy:
import numpy as np
算术运算:
一个数组与一个数字可以进行加/减/乘/除/取余/幂等算术运算,这个数组的所有元素都将与这个数字进行计算。可理解为将这个数字拉伸变得和数组形状相同的数组,再按对应位置进行计算。
两数组之间进行计算:
- 形状相同的两数组,按对应位置进行计算。
形状不同的两数组进行计算:
- 不同维度。但相同的各维度比较,要么在该维度两数组相同,要么其中一个数组在该维度是1。
- 相同维度。各维度比较,要么在该维度两数组相同,要么其中一个数组在该维度是1。
- 否则,报错:ValueError: operands could not be broadcast together with shapes...
补充:
数组与一个数字进行算术运算,与另一个不同形状的数组(但各维度比较时相同或其中一个数组在该维度为1)进行计算,称为广播。
广播(Broadcasting)官方文档:
https://numpy.org/doc/stable/user/basics.broadcasting.html
计算函数:
np.max(数组) | 最大值 | 返回:数字 |
np.argmax(数组) | 最大值所在的下标(索引号) | 返回:数字 |
np.min(数组) | 最小值 | 返回:数字 |
np.argmin(数组) | 最小值所在的下标(索引号) | 返回:数字 |
np.sum(数组) | 数组中所有元素相加 | 返回:数字 |
np.cumsum(数组) | 从索引号0开始计算累计和 | 返回:一维数组(元素数量不变) |
np.mean(数组) | 平均数 | 返回:数字 |
np.median(数组) | 中位数 | 返回:数字 |
np.average(数组) | 加权平均 | 返回:数字 |
注:以上函数均可使用参数axis指定轴,结果返回数组。以上函数都等效于:数组.函数(...)。
np.isnan(数组) | 判断数组中元素是否是空值(NaN) | 返回:布尔数组 |
np.isinf(数组) | 判断数组中元素是否是无穷大或无穷小 | 返回:布尔数组 |
np.isfinite(数组) | 判断数组中元素是否是有限数值 | 返回:布尔数组 |
np.floor(数组) | 数组中元素向下取整,比元素小的最大整数 | 返回:数组 |
np.ceil(数组) | 数组中元素向上取整,比元素大的最小整数 | 返回:数组 |
np.abs(数组) | 数组中元素取绝对值 | 返回:数组 |
np.square(数组) | 数组中元素求平方 | 返回:数组 |
注:np.nan:空值(NaN) 。np.inf:无穷大。-np.inf:无穷小。
条件判断函数:
条件判断函数可以用于判断数组中的元素。
- np.any(条件):数组中元素有一个满足条件,就返回True,否则返回False。
- np.all(条件):数组中所有元素都满足条件,就返回True,否则返回False。
- np.where(条件, x, y):数组中元素若满足条件,则值为x,否则值为y。返回:数组。
类似三目运算(条件 ? x : y)。
两数组之间的计算函数:
- np.maximum(数组1, 数组2):依次比较两数组中元素(包括np.nan),获取较大值。返回:数组。类似于:np.where(x>=y,x,y)
- np.minimum(数组1, 数组2):依次比较两数组中元素(包括np.nan),获取较小值。返回:数组。
- np.fmax(数组1, 数组2):依次比较两数组中元素(忽略np.nan),获取较大值。返回:数组。类似于:np.where(x>=y,x,y)
- np.fmin(数组1, 数组2):依次比较两数组中元素(忽略np.nan),获取较小值。返回:数组。
补充:
Numpy库主要数据类型是ndarray。
ndarray相关官方文档:https://numpy.org/doc/stable/reference/arrays.ndarray.html