Numpy Array 的详细介绍|极客教程

Numpy Array 的详细介绍

Numpy 是一个非常强大的 Python 库，主要用于进行大规模的数学计算。它提供了一个高性能的多维数组对象，以及用于处理这些数组的工具。本文将详细介绍 Numpy 数组的使用方法，包括数组的创建、操作、处理以及一些高级功能。

1. Numpy 数组的创建

Numpy 数组可以通过多种方式创建，以下是一些基本的创建方法：

示例代码 1：使用 `np.array` 创建数组

import numpy as np

data = [1, 2, 3, 4, 5]
np_array = np.array(data)
print(np_array)  # 输出：[1 2 3 4 5]

Output:

Numpy Array 的详细介绍

示例代码 2：使用 `np.zeros` 创建全零数组

import numpy as np

zero_array = np.zeros(5)
print(zero_array)  # 输出：[0. 0. 0. 0. 0.]

Output:

Numpy Array 的详细介绍

示例代码 3：使用 `np.ones` 创建全一数组

import numpy as np

ones_array = np.ones(5)
print(ones_array)  # 输出：[1. 1. 1. 1. 1.]

Output:

Numpy Array 的详细介绍

示例代码 4：使用 `np.arange` 创建数组

import numpy as np

range_array = np.arange(5)
print(range_array)  # 输出：[0 1 2 3 4]

Output:

Numpy Array 的详细介绍

示例代码 5：使用 `np.linspace` 创建线性间隔的数组

import numpy as np

linspace_array = np.linspace(0, 10, num=5)
print(linspace_array)  # 输出：[ 0.   2.5  5.   7.5 10. ]

Output:

Numpy Array 的详细介绍

2. Numpy 数组的属性

Numpy 数组有很多有用的属性，可以帮助我们更好地了解和处理数组。

示例代码 6：数组形状 `shape`

import numpy as np

data = [[1, 2, 3], [4, 5, 6]]
np_array = np.array(data)
print(np_array.shape)  # 输出：(2, 3)

Output:

Numpy Array 的详细介绍

示例代码 7：数组维度 `ndim`

import numpy as np

data = [1, 2, 3, 4, 5]
np_array = np.array(data)
print(np_array.ndim)  # 输出：1

Output:

Numpy Array 的详细介绍

示例代码 8：元素类型 `dtype`

import numpy as np

data = [1, 2, 3, 4, 5]
np_array = np.array(data)
print(np_array.dtype)  # 输出：int64

Output:

Numpy Array 的详细介绍

3. Numpy 数组的索引和切片

数组的索引和切片是数据处理中非常重要的部分，Numpy 提供了多种方式来索引和切片数组。

示例代码 9：单个元素索引

import numpy as np

np_array = np.array([1, 2, 3, 4, 5])
print(np_array[0])  # 输出：1

Output:

Numpy Array 的详细介绍

示例代码 10：切片操作

import numpy as np

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

Output:

Numpy Array 的详细介绍

示例代码 11：多维数组索引

import numpy as np

np_array = np.array([[1, 2, 3], [4, 5, 6]])
print(np_array[0, 1])  # 输出：2

Output:

Numpy Array 的详细介绍

示例代码 12：布尔索引

import numpy as np

np_array = np.array([1, 2, 3, 4, 5])
filter = np_array > 3
print(np_array[filter])  # 输出：[4 5]

Output:

Numpy Array 的详细介绍

4. Numpy 数组的操作

Numpy 提供了大量的数组操作方法，包括数组的形状改变、拼接、分割等。

示例代码 13：数组转置

import numpy as np

np_array = np.array([[1, 2, 3], [4, 5, 6]])
transposed_array = np_array.transpose()
print(transposed_array)  # 输出：[[1 4] [2 5] [3 6]]

Output:

Numpy Array 的详细介绍

示例代码 14：数组拼接

import numpy as np

array1 = np.array([1, 2, 3])
array2 = np.array([4, 5, 6])
concatenated_array = np.concatenate((array1, array2))
print(concatenated_array)  # 输出：[1 2 3 4 5 6]

Output:

Numpy Array 的详细介绍

示例代码 15：数组分割

import numpy as np

np_array = np.array([1, 2, 3, 4, 5, 6])
split_array = np.split(np_array, 3)
print(split_array)  # 输出：[array([1, 2]), array([3, 4]), array([5, 6])]

Output:

Numpy Array 的详细介绍

5. Numpy 数组的数学运算

Numpy 提供了一系列的数学函数，可以直接在数组上进行操作，这些操作通常比纯 Python 快得多。

示例代码 16：数组加法

import numpy as np

np_array = np.array([1, 2, 3, 4, 5])
result = np_array + 5
print(result)  # 输出：[ 6  7  8  9 10]

Output:

Numpy Array 的详细介绍

示例代码 17：数组乘法

import numpy as np

np_array = np.array([1, 2, 3, 4, 5])
result = np_array * 2
print(result)  # 输出：[ 2  4  6  8 10]

Output:

Numpy Array 的详细介绍

示例代码 18：数组除法

import numpy as np

np_array = np.array([10, 20, 30, 40, 50])
result = np_array / 10
print(result)  # 输出：[ 1.  2.  3.  4.  5.]

Output:

Numpy Array 的详细介绍

示例代码 19：矩阵乘法

import numpy as np

a = np.array([[1, 2], [3, 4]])
b = np.array([[2, 0], [1, 2]])
result = np.dot(a, b)
print(result)  # 输出：[[ 4  4] [10  8]]

Output:

Numpy Array 的详细介绍

示例代码 20：更复杂的数学函数

import numpy as np

np_array = np.array([1, 2, 3, 4, 5])
result = np.sin(np_array)
print(result)  # 输出：[ 0.84147098  0.90929743  0.14112001 -0.7568025  -0.95892427]

Output:

Numpy Array 的详细介绍