Python Numpy数组

Numpy数组是Python中最重要的数据结构之一，它允许用户高效地处理大量数据，并且提供了很多方便的函数用于数学、统计和数据处理。

安装

Numpy可以通过pip命令进行安装，使用以下命令：

pip install numpy

创建Numpy数组

创建Numpy数组的最简单方式是将Python列表传递给Numpy的array函数。例如：

import numpy as np

a = np.array([1, 2, 3, 4, 5])
print(a)

输出：

[1 2 3 4 5]

还可以使用Numpy自带的函数创建特定形状的数组，如下：

# 创建一个全是0的数组
a = np.zeros((2,2))
print(a)

# 创建一个全是1的数组
b = np.ones((1,2))
print(b)

# 创建一个对角线上都是1，其余全是0的方阵
c = np.eye(3)
print(c)

输出：

[[0. 0.]
 [0. 0.]]
[[1. 1.]]
[[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]

数组运算

Numpy数组支持所有基本的数学运算，包括加减乘除、乘方和三角函数等。例如：

import numpy as np

# 定义两个数组
a = np.array([1, 2, 3, 4])
b = np.array([5, 6, 7, 8])

# 数组加法
c = a + b
print(c)

# 数组减法
d = b - a
print(d)

# 数组乘法
e = a * b
print(e)

# 数组除法
f = b / a
print(f)

# 数组乘方
g = a ** 2
print(g)

# 正弦函数
h = np.sin(a)
print(h)

输出：

[ 6  8 10 12]
[4 4 4 4]
[ 5 12 21 32]
[5.         3.         2.33333333 2.        ]
[ 1  4  9 16]
[ 0.84147098  0.90929743  0.14112001 -0.7568025 ]

索引和切片

使用索引和切片可以取出Numpy数组中的特定元素或子数组。例如：

import numpy as np

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

# 取出第三个元素
print(a[2])

# 取出前三个元素
print(a[:3])

# 取出第2到第4个元素
print(a[1:4])

输出：

3
[1 2 3]
[2 3 4]

形状和维度

Numpy数组具有形状和维度，可以通过以下方式查看：

import numpy as np

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

# 形状
print(a.shape)

# 维度
print(a.ndim)

输出：

(3, 2)
2

数学函数

Numpy中包含了大量的数学函数，它们可以用于计算平均值、方差、标准差等。例如：

import numpy as np

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

# 平均值
print(np.mean(a))

# 方差
print(np.var(a))

# 标准差
print(np.std(a))

输出：

3.0
2.0
1.4142135623730951

总结

Numpy数组是Python中最重要的数据结构之一，它提供了很多方便的函数和方法用于数学、统计和数据处理。本文介绍了Numpy数组的创建、运算、索引、切片、形状、维度和数学函数等相关知识。