Python numpy是什么意思

简介

numpy是Python中用于科学计算的一个重要库，它为Python提供了高效的多维数组对象（ndarray）和对这些数组进行快速操作的函数。numpy在数据分析、机器学习、图像处理等领域都有广泛的应用。

安装

使用pip命令可以很方便地安装numpy库：

pip install numpy

ndarray对象

在numpy中，ndarray（N-dimensional array）是一个多维数组对象，它由两部分组成：实际的数据以及描述这些数据的元数据（如数据类型、形状等）。ndarray对象具有以下特点：
– 具有固定的大小，且与C语言数组类似，可以存储同类型的数据。
– 可以通过索引访问数组中的元素，以及对数组进行切片操作。
– 有助于执行各种数组操作，如数学、逻辑、形状操作等。

创建ndarray对象

可以使用numpy库提供的各种函数来创建ndarray对象。

从Python列表创建ndarray对象

可以使用numpy的array函数从Python列表创建ndarray对象。以下是一个示例：

import numpy as np

# 创建一个包含整数的ndarray对象
arr1 = np.array([1, 2, 3, 4, 5])

# 创建一个包含浮点数的ndarray对象
arr2 = np.array([1.1, 2.2, 3.3, 4.4, 5.5])

# 创建一个包含整数的2维ndarray对象
arr3 = np.array([[1, 2, 3], [4, 5, 6]])

# 创建一个包含浮点数的3维ndarray对象
arr4 = np.array([[[1.1, 2.2], [3.3, 4.4]], [[5.5, 6.6], [7.7, 8.8]]])

使用内置函数创建ndarray对象

除了array函数，numpy还提供了其他一些内置函数来创建ndarray对象，如：
– zeros：创建一个全零数组
– ones：创建一个全一数组
– eye：创建一个单位矩阵
– random：创建一个随机数组

以下是一些示例：

import numpy as np

# 创建一个长度为5的全零数组
zeros_arr = np.zeros(5)
print(zeros_arr)
# 输出：[0. 0. 0. 0. 0.]

# 创建一个3行4列的全一数组
ones_arr = np.ones((3, 4))
print(ones_arr)
# 输出：
# [[1. 1. 1. 1.]
#  [1. 1. 1. 1.]
#  [1. 1. 1. 1.]]

# 创建一个3行3列的单位矩阵
eye_arr = np.eye(3)
print(eye_arr)
# 输出：
# [[1. 0. 0.]
#  [0. 1. 0.]
#  [0. 0. 1.]]

# 创建一个形状为(3, 4)的随机数组
random_arr = np.random.random((3, 4))
print(random_arr)

数组操作

numpy提供了各种数组操作函数，包括数学操作、逻辑操作、形状操作等。

数学操作

numpy支持对数组进行基本的数学操作，如加法、减法、乘法、除法等。这些操作可以通过运算符进行，也可以通过numpy提供的函数进行。以下是一些示例：

import numpy as np

arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])

# 数组相加
result1 = arr1 + arr2
print(result1)
# 输出：[5 7 9]

# 数组相减
result2 = arr1 - arr2
print(result2)
# 输出：[-3 -3 -3]

# 数组相乘
result3 = arr1 * arr2
print(result3)
# 输出：[ 4 10 18]

# 数组相除
result4 = arr1 / arr2
print(result4)
# 输出：[0.25 0.4  0.5 ]

逻辑操作

numpy也支持对数组进行逻辑操作，如与、或、非等。同样，这些操作可以通过运算符进行，也可以通过numpy提供的函数进行。以下是一些示例：

import numpy as np

arr1 = np.array([True, True, False])
arr2 = np.array([False, True, False])

# 数组逻辑与
result1 = arr1 & arr2
print(result1)
# 输出：[False  True False]

# 数组逻辑或
result2 = arr1 | arr2
print(result2)
# 输出：[ True  True False]

# 数组逻辑非
result3 = ~arr1
print(result3)
# 输出：[False False  True]

形状操作

numpy提供了一系列函数用于改变数组的形状，如改变数组的维度、改变数组的大小等。以下是一些示例：

import numpy as np

arr = np.array([1, 2, 3, 4, 5, 6])

# 改变数组的形状为(2, 3)
new_arr1 = arr.reshape(2, 3)
print(new_arr1)
# 输出：
# [[1 2 3]
#  [4 5 6]]

# 增加数组的维度，在第二维度上增加一个维度
new_arr2 = np.expand_dims(arr, axis=1)
print(new_arr2)
# 输出：
# [[1]
#  [2]
#  [3]
#  [4]
#  [5]
#  [6]]

# 将多维数组展平为一维数组
flatten_arr = arr.flatten()
print(flatten_arr)
# 输出：[1 2 3 4 5 6]