numpy库 学习总结

NumPy 官方文档链接

• 英文官方文档：

  • 主页：NumPy Documentation
  • 参考手册：NumPy Reference
  • 用户指南：NumPy User Guide

• 中文官方文档：

  • 主页：[https://www.numpy.org.cn/reference/]
  • 参考手册：NumPy 参考手册（中文版）
  • 用户指南：NumPy 用户指南（中文版）

NumPy 官方文档总结

1. 简介

• NumPy（Numerical Python）是 Python 的一个扩展库，提供了大量的数学函数和高效的数组操作功能。
• 主要特点：
  • 高效的多维数组对象 ndarray。
  • 广泛的数学函数和操作。
  • 支持广播机制，简化数组运算。
  • 与 C/C++ 和 Fortran 代码的集成能力。

2. 安装

• 安装命令：
  • 使用 pip 安装：

    pip install numpy
    

  • 使用 conda 安装：

    conda install numpy
    

3. 数组创建

• 创建一维数组：

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

• 创建多维数组：

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

• 特殊数组：
  • 全零数组：

    zeros = np.zeros((3, 3))
    

  • 全一数组：

    ones = np.ones((3, 3))
    

  • 单位矩阵：

    identity = np.eye(3)
    

  • 随机数组：

    random_array = np.random.rand(3, 3)
    

4. 数组属性

• 形状：

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

• 数据类型：

  print(a.dtype)  # int64
  

• 元素总数：

  print(a.size)  # 6
  

• 维度数：

  print(a.ndim)  # 2
  

5. 数组索引和切片

• 一维数组：

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

• 多维数组：

  b = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
  print(b[0, 0])  # 1
  print(b[0, :])  # [1, 2, 3]
  print(b[:, 1])  # [2, 5, 8]
  print(b[1:3, 1:3])  # [[5, 6], [8, 9]]
  

6. 数组操作

• 数学运算：

  a = np.array([1, 2, 3])
  b = np.array([4, 5, 6])
  print(a + b)  # [5, 7, 9]
  print(a - b)  # [-3, -3, -3]
  print(a * b)  # [4, 10, 18]
  print(a / b)  # [0.25, 0.4, 0.5]
  print(np.sqrt(a))  # [1., 1.41421356, 1.73205081]
  

• 广播机制：

  a = np.array([[1, 2, 3], [4, 5, 6]])
  b = np.array([1, 0, 1])
  print(a + b)  # [[2, 2, 4], [5, 5, 7]]
  

7. 数组重塑

• 改变形状：

  a = np.arange(12)
  print(a)  # [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11]
  b = a.reshape((3, 4))
  print(b)  # [[0, 1, 2, 3], [4, 5, 6, 7], [8, 9, 10, 11]]
  c = a.reshape((2, 2, 3))
  print(c)  # [[[0, 1, 2], [3, 4, 5]], [[6, 7, 8], [9, 10, 11]]]
  

8. 数组连接和拆分

• 连接：

  a = np.array([[1, 2], [3, 4]])
  b = np.array([[5, 6]])
  c = np.hstack((a, b))
  print(c)  # [[1, 2, 5, 6], [3, 4, 5, 6]]
  d = np.vstack((a, b))
  print(d)  # [[1, 2], [3, 4], [5, 6]]
  

• 拆分：

  a = np.array([[1, 2, 3, 4], [5, 6, 7, 8]])
  b, c = np.hsplit(a, 2)
  print(b)  # [[1, 2], [5, 6]]
  print(c)  # [[3, 4], [7, 8]]
  d, e = np.vsplit(a, 2)
  print(d)  # [[1, 2, 3, 4]]
  print(e)  # [[5, 6, 7, 8]]
  

9. 数组排序

• 排序：

  a = np.array([3, 1, 2])
  print(np.sort(a))  # [1, 2, 3]
  b = np.array([[3, 1, 2], [6, 4, 5]])
  print(np.sort(b, axis=0))  # [[3, 1, 2], [6, 4, 5]]
  print(np.sort(b, axis=1))  # [[1, 2, 3], [4, 5, 6]]
  

10. 数组统计

• 统计函数：

  a = np.array([[1, 2, 3], [4, 5, 6]])
  print(np.sum(a))  # 21
  print(np.mean(a))  # 3.5
  print(np.median(a))  # 3.5
  print(np.min(a))  # 1
  print(np.max(a))  # 6
  print(np.std(a))  # 标准差
  print(np.var(a))  # 方差
  

11. 数组布尔操作

• 布尔操作：

  a = np.array([1, 2, 3, 4, 5])
  b = np.array([0, 1, 2, 3, 4])
  print(a > 3)  # [False, False, False, True, True]
  print(np.any(a > 3))  # True
  print(np.all(a > 3))  # False
  

12. 数组搜索和选择

• 搜索非零元素：

  a = np.array([1, 2, 3, 4, 5])
  print(np.nonzero(a))  # (array([0, 1, 2, 3, 4]),)
  

• 条件选择：

  b = np.where(a > 3, a, 0)
  print(b)  # [0, 0, 0, 4, 5]
  

13. 文件读写

• 保存数组：

  np.save('array.npy', a)
  

• 读取数组：

  b = np.load('array.npy')
  print(b)  # [1, 2, 3, 4, 5]
  

14. 高级功能

• 广播机制：

  a = np.array([[1, 2, 3], [4, 5, 6]])
  b = np.array([1, 0, 1])
  print(a + b)  # [[2, 2, 4], [5, 5, 7]]
  

• 线性代数：

  a = np.array([[1, 2], [3, 4]])
  b = np.array([[5, 6], [7, 8]])
  print(np.dot(a, b))  # [[19, 22], [43, 50]]
  print(np.linalg.inv(a))  # [[-2. ,  1. ], [ 1.5, -0.5]]
  

总结

NumPy 是一个功能强大的库，提供了丰富的数组操作和数学函数。