Numpy 的 Python

Numpy 是 Python 中重要的第三方库，它为 Python 提供了高性能的数学计算和数组操作功能。此库的主要核心是一个 N 维数组对象，例如二维数组和三维数组，同时也提供了许多用于数组操作的函数和方法。

安装 Numpy

Numpy 可以通过 pip 包管理工具进行安装，打开命令行运行以下命令：

pip install numpy

创建 NumPy 数组

我们可以使用 numpy.array() 函数来创建一个 Numpy 数组，和 Python 列表不同，Numpy 数组可以有多个维度。下面是创建一个一维数组和一个二维数组的例子：

import numpy as np

# 创建一维数组
arr1 = np.array([1, 2, 3, 4, 5])
print(arr1)

# 创建二维数组
arr2 = np.array([[1, 2, 3], [4, 5, 6]])
print(arr2)

输出结果为：

[1, 2, 3, 4, 5]
[[1, 2, 3],
 [4, 5, 6]]

NumPy 数组的属性和方法

数组的属性

Numpy 数组有很多属性，以下是一些常用的：

• ndim：数组的维度
• shape：数组的形状
• size：数组的元素个数

下面是上述属性的使用例子：

x = np.array([[1, 2, 3], [4, 5, 6]])
print("x的维度：", x.ndim)
print("x的形状：", x.shape)
print("x的元素个数：", x.size)

输出结果为：

x的维度：2
x的形状：(2, 3)
x的元素个数：6

数组的方法

Numpy 数组有很多方法，以下是一些常用的：

• reshape()：调整数组的形状
• sum()：计算数组元素的总和
• mean()：计算数组元素的平均值
• std()：计算数组元素的标准差
• max()：找出数组元素的最大值
• min()：找出数组元素的最小值

下面是上述方法的使用例子：

x = np.array([1, 2, 3, 4, 5, 6])
print("x的形状：", x.shape)

# 调整 x 的形状
x = x.reshape((2, 3))
print("调整后的x：")
print(x)

# 计算x的总和、平均值、标准差、最大最小值
print("x的总和：", x.sum())
print("x的平均数：", x.mean())
print("x的标准差：", x.std())
print("x的最大值：", x.max())
print("x的最小值：", x.min())

输出结果为：

x的形状： (6,)
调整后的x：
[[1 2 3],
 [4 5 6]]
x的总和： 21
x的平均数： 3.5
x的标准差： 1.707825127659933
x的最大值： 6
x的最小值： 1

NumPy 数组的运算

通过使用 Numpy 中的数组运算功能，可以进行元素之间的普通算术运算以及矩阵运算。下面是一个例子：

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

# 数组之间的运算
print("x 加 y：")
print(x + y)

print("x 减 y：")
print(x - y)

print("x 乘 y：")
print(x * y)

print("x 除以 y：")
print(x / y)

# 矩阵运算
print("x 的矩阵积 y：")
print(np.dot(x, y))

输出结果为：

x 加 y：
[[ 6,  8],
 [10, 12]]

x 减 y：
[[-4, -4],
 [-4, -4]]

x 乘 y：
[[ 5, 12],
 [21, 32]]

x 除以 y：
[[0.2       , 0.33333333],
 [0.42857143, 0.5       ]]

x 的矩阵积 y：
[[19, 22],
 [43, 50]]