numpy使用心得（NumPy的应用-1）

准备工作

在Python中使用NumPy时 
  
  
  
  
  
  
  ，需要先安装NumPy               。可以使用以下命令来安装NumPy：

pip install numpy

安装完成后
  
  
  
  
  
  
  
 ，在Python中引入NumPy：

import numpy as np

安装完成并引入NumPy后
 


 


 


 


 


 


 


，我们可以开始使用NumPy进行数据分析和科学计算 
  
 
  
 
  
 
  
 
  
 
  
 
  
 
。

创建数组对象

创建数组对象是NumPy中的基础操作














。可以使用以下代码来创建一个数组对象：

arr = np.array([1, 2, 3])

这个代码创建了一个包含1 
  
  
  
  
  
  
  、2
  
  
  
  
  
  
  
 、3的一维数组 
  
  
  
  
  
  
  。可以使用以下代码来打印这个数组对象：

print(arr)

输出结果为：

[1 2 3]

除了使用列表来创建数组对象 
 
 
 
 
 
 
 ，还可以使用以下函数来创建：

np.zeros()：创建一个全是0的数组 
  
  
  
  
  
  
  
。 np.ones()：创建一个全是1的数组

 


 


 


 


 


 


 

。 np.empty()：创建一个空数组 
 
 
 
 
 
 
 。 np.arange()：创建一个从指定开始值到结束值的数组 
   
   
   
   
   
   
   
。 np.linspace()：创建一个指定长度的等差数列数组
 

 

 

 

 

 

 
。

例如
   
   
   
   
   
   
   
 ，下面的代码创建了一个三行四列的全是0的数组：

arr = np.zeros((3, 4)) print(arr)

输出结果为：

[[0. 0. 0. 0.] [0. 0. 0. 0.] [0. 0. 0. 0.]]

数组对象的属性

创建数组对象后
 

 

 

 

 

 

 

，可以查看数组对象的属性
 

 

 

 

 

 

 

 。以下是常用的数组属性：

ndim：数组的维度              。 shape：数组的形状 

 
 

 
 

 
 

 
 

 
 

 
 

 
 
。 size：数组中元素的总数














。 dtype：数组中元素的数据类型                      。

例如 

 

 

 

 

 

 

 ，下面的代码创建了一个二行三列的数组               ，并查看了其属性：

arr = np.array([[1, 2, 3], [4, 5, 6]]) print("数组的维度：", arr.ndim) print("数组的形状：", arr.shape) print("数组中元素的总数：", arr.size) print("数组中元素的数据类型：", arr.dtype)

输出结果为：

数组的维度： 2 数组的形状： (2, 3) 数组中元素的总数： 6 数组中元素的数据类型： int64

数组的索引和切片

数组对象的索引和切片与普通的Python列表类似 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
。以下是使用数组对象的索引和切片的示例代码：

arr = np.array([[1, 2, 3], [4, 5, 6]]) print("获取第一行第二个元素：", arr[0, 1]) print("获取第二行的所有元素：", arr[1, :]) print("获取第一列的所有元素：", arr[:, 0])

输出结果为：

获取第一行第二个元素： 2 获取第二行的所有元素： [4 5 6] 获取第一列的所有元素： [1 4]

数组对象的方法

除了上面介绍的数组对象的属性和操作

 
 

 
 

 
 

 
 

 
 

 
 

 
 

，NumPy还提供了一些方法用于数学计算













，以下是常用的方法：

np.max()：计算数组中的最大值





















。 np.min()：计算数组中的最小值               。 np.sum()：计算数组中所有元素的和 
  
 
  
 
  
 
  
 
  
 
  
 
  
 
。 np.mean()：计算数组中所有元素的平均值














。 np.std()：计算数组中所有元素的标准差 
  
  
  
  
  
  
  。 np.dot()：计算数组的点积 
  
  
  
  
  
  
  
。

以下是使用数组对象的方法的示例代码：

arr = np.array([1, 2, 3]) print("数组中的最大值：", np.max(arr)) print("数组中的最小值：", np.min(arr)) print("数组中所有元素的和：", np.sum(arr)) print("数组中所有元素的平均值：", np.mean(arr)) print("数组中所有元素的标准差：", np.std(arr)) arr1 = np.array([1, 2, 3]) arr2 = np.array([4, 5, 6]) print("计算数组的点积：", np.dot(arr1, arr2))

输出结果为：

数组中的最大值： 3 数组中的最小值： 1 数组中所有元素的和： 6 数组中所有元素的平均值： 2.0 数组中所有元素的标准差： 0.816496580927726 计算数组的点积： 32

总结

本文介绍了NumPy的基本操作                       ，包括创建数组对象
 


 


 


 


 


 


 


、数组对象的属性 
 
 
 
 
 
 
 、数组的索引和切片
   
   
   
   
   
   
   
 、数组对象的方法等

 


 


 


 


 


 


 

。NumPy提供了丰富的数学计算方法
 
 
 
 
 
 
 
 
 
 
 
 
 
 
，可以方便地进行数据分析和科学计算 
 
 
 
 
 
 
 。熟练掌握NumPy的使用





















，可以大大提高数据处理和科学计算的效率               ，为后续的数据分析和机器学习等工作提供基础 
   
   
   
   
   
   
   
。除了上述介绍的操作和方法
  
 
  
 
  
 
  
 
  
 
  
 
  
 
 ，NumPy还提供了很多其他的功能














，可以根据具体需求进行学习和使用
 

 

 

 

 

 

 
。