Python Numpy

Numpy是Python中用于科学计算的基本包之一。它提供了高性能的多维数组对象，以及用于处理这些数组的工具。以下是一些使用Numpy时可能有用的功能和用法。

安装

Numpy作为标准的Python科学计算库之一，通常在Python安装时默认安装。

如果你需要更新或者安装Numpy,可以通过pip安装:

pip install numpy

创建数组

使用numpy可以快速创建numpy数组对象，通常使用np.array方法。数组是一个具有相同类型的元素网格，这些元素根据其位置编号。

import numpy as np

a = np.array([1, 2, 3])  # 从列表创建一维数组
print(a)                # 将输出[1 2 3]

b = np.array([[1, 2], [3, 4]]) # 从列表创建二维数组
print(b)                        # 将输出[[1 2], [3 4]]

更多创建数组对象的方法可以查看NumPy官方文档。

数组运算

NumPy可以对数组进行各种运算，包括数学运算、逻辑运算、数学统计等。

import numpy as np

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

print("a + b = ", a + b)  # 将输出a + b =  [5 7 9]
print("a - b = ", a - b)  # 将输出a - b =  [-3 -3 -3]
print("a * b = ", a * b)  # 将输出a * b =  [4 10 18]
print("a / b = ", a / b)  # 将输出a / b =  [ 0.25  0.4   0.5 ]
print("a % b = ", a % b)  # 将输出a % b =  [1 2 3]

import numpy as np

a = np.array([[1,2],[3,4]])
b = np.array([[5,6],[7,8]])

print("a * b = ", a * b)  # 矩阵乘法，将输出a * b =  [[ 5 12], [21 32]]

print("a.dot(b) = ", np.dot(a,b))  # 点乘运算，将输出a.dot(b) =  [[19 22],[43 50]]

数组的形状（shape）操作

NumPy中的shape是指数组的维度，在创建数组时可以指定数组的维度，也可以使用reshape函数对数组进行形状操作。

import numpy as np

a = np.array([[1,2],[3,4],[5,6]])
print("a = ", a)             # 将输出a =  [[1 2], [3 4], [5 6]]
print("a.shape = ", a.shape) # 将输出a.shape =  (3, 2)

a.shape = (2,3)
print("a = ", a)             # 将输出a =  [[1 2 3], [4 5 6]]

b = np.arange(24)
print("b = ", b)             # 将输出b =  [ 0  1  2 ..., 21 22 23]
b.shape = (2,3,4)
print("b = ", b)             # 将输出b =  [[[ 0  1  2  3]  [ 4  5  6  7]  [ 8  9 10 11]] [[12 13 14 15]  [16 17 18 19]  [20 21 22 23]]]

数学统计计算

numpy可以方便的进行基础统计计算，包括最大值，最小值，均值和中位数等。

import numpy as np

a = np.array([[1,2],[3,4],[5,6]])
print("a = ", a)                    # 将输出a =  [[1 2], [3 4], [5 6]]
print("np.min(a) = ", np.min(a))    # 将输出np.min(a) =  1
print("np.max(a) = ", np.max(a))    # 将输出np.max(a) =  6
print("np.mean(a) = ", np.mean(a))  # 将输出np.mean(a) =  3.5
print("np.median(a) = ", np.median(a))          # 将输出np.median(a) =  3.5
print("np.average(a) = ", np.average(a))        # 将输出np.average(a) =  3.5
print("np.std(a) = ", np.std(a))    # 将输出np.std(a) =  1.707825127659933
print("np.var(a) = ", np.var(a))    # 将输出np.var(a) =  2.9166666666666665

通过以上介绍，希望您对Python上的Numpy有更好的了解，可以更好的应用它，在更广阔的领域中营造出更多的精彩。