本文共 2035 字，大约阅读时间需要 6 分钟。

NumPy 基础

NumPy 是 Python 的一个核心科学计算库，主要用于处理一维数据和多维数组。它提供了强大的数值计算功能和丰富的数据结构，能够高效地进行数据处理和分析。

NumPy 的优点

NumPy 相比 Python 列表具有以下优势：

NumPy 与 Python 列表的区别

• 数据类型：NumPy 数组是同质数据类型，而 Python 列表是异质数据类型。
• 功能：NumPy 提供丰富的数学函数和操作，适合高级数据处理；Python 列表提供基本的列表操作，适合简单的数据结构操作。

使用 NumPy

1. 引入库

在使用 NumPy 之前，需要先安装库：

pip install numpy==1.26.0 -i https://pypi.tuna.tsinghua.edu.cn/simple/

2. 创建 NumPy 数组

主要使用 array() 函数创建 NumPy 数组。以下是常用参数：

• dtype：指定数组的数据类型。
• copy：是否复制原数据，默认为 True。
• order：内存布局，支持 C、F 和 A 三种模式。
• shape：数组的形状。

示例：

import numpy as np# 创建一个一维数组a = np.array([1, 2, 3, 4, 5])print(a)# 创建一个二维数组b = np.array([[1, 2, 3], [4, 5, 6]])print(b)

3. 创建常见数组

• zeros()：创建初始为 0 的数组。

a = np.zeros((2, 3), dtype=int, order='F')print(a)

• ones()：创建初始为 1 的数组。

a = np.ones((2, 3), dtype=int, order='F')print(a)

• full()：创建全为某值的数组。

a = np.full((2, 3), 5, dtype=int, order='F')print(a)

• arange()：创建等差数列数组。

a = np.arange(1, 10, 2)print(a)a = np.arange(1, 10, 0.5)print(a)

• linspace()：创建均匀分布的数组。

a, step = np.linspace(1, 10, 5, endpoint=True, retstep=True)print(a)print(step)

4. 数据类型

NumPy 提供丰富的数据类型，常见的包括：

• 整数类型（如 int8、int16、int32、int64）
• 无符号整数类型（如 uint8、uint16、uint32、uint64）
• 浮点数类型（如 float32、float64）
• 复数类型（如 complex64、complex128）
• 字符串类型（如 bytes_、str_）
• 布尔类型（bool_）
• 时间和日期类型（如 timedelta、datetime）
• Python 对象类型（O）

5. 数组属性

• shape：获取或设置数组的形状。

def shape_test():    array_one = np.array([[1, 2, 3], [4, 5, 6]])    print('原数组维度：', array_one.shape)    print('原数组内容：', array_one)    array_one.shape = (3, 2)    print('修改后的维度：', array_one.shape)    print('修改后的内容：', array_one)shape_test()

• ndim：获取数组的维度数。

def ndmin_test():    array_one = np.array([1, 2, 3], ndmin=2)    print('原数组维度：', array_one.ndim)    print('原数组内容：', array_one)ndmin_test()

• flags：获取数组的内存信息。

def flags_test():    array_one = np.array([[1, 2, 3], [4, 5, 6]])    print('数组内存信息：\n', array_one.flags)flags_test()

通过以上内容，可以快速上手 NumPy 的基础操作和常用功能。

转载地址：http://ejlfk.baihongyu.com/