Numpy 如何将大量数字存储到Numpy数组中

在本文中，我们将介绍如何将大量数字存储到NumPy数组中。NumPy是一个数字运算库，它能够以高效的方式处理大量数字。一般来说，我们可以通过列表或元组存储一些数字，但是当你需要存储大量的数字时，NumPy数组是一个更好的选择。

阅读更多：Numpy 教程

创建Numpy数组

我们可以使用numpy中的array()函数来创建一个新的NumPy数组。这个函数接受一个列表或元组作为参数，并将它们转换为一个NumPy数组。

import numpy as np

# 从列表创建NumPy数组
my_list = [1, 2, 3, 4, 5]
my_array = np.array(my_list)
print(my_array)
# 结果: [1 2 3 4 5]

# 从元组创建NumPy数组
my_tuple = (6, 7, 8, 9, 10)
my_array = np.array(my_tuple)
print(my_array)
# 结果: [ 6  7  8  9 10]

使用NumPy数组的好处之一是，它们可以执行一些便捷操作：

# 将0到4的数字存储到NumPy数组中
my_array = np.arange(5)
print(my_array)
# 结果: [0 1 2 3 4]

# 将1,000,000到1,000,010的数字存储到NumPy数组中
my_array = np.arange(1000000, 1000010)
print(my_array)
# 结果: [1000000 1000001 1000002 1000003 1000004 1000005 1000006 1000007 1000008 1000009]

除了使用NumPy数组之外，我们还可以使用其他方法来存储大量的数字。例如使用Python的数组。

import array

# 将数字存储到Python的数组中
my_array = array.array('i', [1, 2, 3, 4, 5])
print(my_array)
# 结果: array('i', [1, 2, 3, 4, 5])

添加数字

我们可以使用append()方法，将数字添加到NumPy数组中。

my_array = np.array([1, 2, 3, 4, 5])
print(my_array)
# 结果: [1 2 3 4 5]

my_array = np.append(my_array, [6, 7, 8, 9, 10])
print(my_array)
# 结果: [ 1  2  3  4  5  6  7  8  9 10]

相对地，在Python的数组中我们可以使用append()方法来添加数字。

my_array = array.array('i', [1, 2, 3, 4, 5])
my_array.append(6)
my_array.append(7)
my_array.append(8)
my_array.append(9)
my_array.append(10)
print(my_array)
# 结果: array('i', [1, 2, 3, 4, 5, 6, 7, 8, 9, 10])

但是需要注意的是，添加数字到NumPy数组中时，会生成新的数组并替换掉原来的数组，而Python的数组是可以动态增长的。

数据类型

NumPy数组中的数据类型非常重要。当我们创建一个NumPy数组时，NumPy会自动推断它的数据类型。我们也可以手动指定它的数据类型。

# 创建一个NumPy数组，并指定它的数据类型为float32
my_array = np.array([1, 2, 3, 4, 5], dtype='float32')
print(my_array)
# 结果: [1. 2. 3. 4. 5.]

为了获得最高效的代码，我们应该使用NumPy中的整数、浮点数和布尔值数据类型。

相关操作

我们可以对NumPy数组进行各种运算操作。

数组元素操作

NumPy数组允许对其元素进行各种操作。我们可以对它们进行加、减、乘和除等基本运算操作。

my_array = np.array([1, 2, 3])
print(my_array * 2)
# 结果: [2 4 6]

print(my_array + 2)
# 结果: [3 4 5]

print(my_array / 2)
# 结果: [0.5 1.  1.5]

数组统计操作

NumPy数组还提供了许多高级的统计方法，如均值、标准差和方差。

my_array = np.array([1, 2, 3])
print(np.mean(my_array))
# 结果: 2.0

print(np.std(my_array))
# 结果: 0.816496580927726

print(np.var(my_array))
# 结果: 0.6666666666666666

数组形状操作

NumPy数组还允许我们改变它们的形状，以便于不同类型的计算。

my_array = np.array([1, 2, 3, 4, 5, 6])
print(my_array.reshape((2,3)))
# 结果: [[1 2 3]
#       [4 5 6]]

my_array = np.array([1, 2, 3, 4, 5, 6])
print(my_array.reshape((3,2)))
# 结果: [[1 2]
#       [3 4]
#       [5 6]]

数组排序操作

我们可以使用NumPy数组中的sort()方法来对数组进行排序。

my_array = np.array([3, 2, 1])
my_array.sort()
print(my_array)
# 结果: [1 2 3]

总结

通过本文介绍，我们可以知道NumPy数组是一个高效存储大量数字的方法。当我们需要对大量数字进行操作时，使用NumPy数组可以让我们更加容易、更加快速地完成任务。我们介绍了NumPy数组的创建、添加数字、数据类型处理和各种运算操作，如数组元素操作、数组统计操作、数组形状操作以及数组排序操作。通过本文的介绍，希望你能够更加了解NumPy数组，从而更加熟练地运用它们来处理大量数字。