Python中Numpy模块的使用

1. Numpy简介

Numpy (全称 Numerical Python)是 Python 语言的一个扩充程序库,支持大量的维度数组与矩阵运算。同时也针对数组运算提供大量的数学函数库。Numpy 中定义的最重要的对象是一个称为 ndarray 的 N 维数组类型。它描述相同类型的元素集合。比如说,可以是一个包含整数、浮点数或者其他任何Python对象的数组。

2. Numpy的安装与导入

2.1 安装Numpy

安装Numpy,可以使用pip命令。这里我们以windows系统为例,输入以下命令:

pip install numpy

注意:在安装之前请确保你的电脑中已经安装了Python环境。

2.2 导入Numpy

安装Numpy成功后,我们可以使用以下命令导入Numpy:

import numpy as np

为了方便起见,我们一般习惯将 numpy 重命名为 np ,这样在使用时可以直接输入 np ,而不必在代码中反复输入 numpy 。

3. 创建数组

3.1 一维数组

使用numpy创建一维数组,可以使用以下代码:

import numpy as np

# 创建一维数组

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

print(arr)

输出结果为:

[1 2 3 4 5]

其中,np.array() 是 numpy 中创建数组的函数。在创建一维数组时,向该函数中传递一个列表或元组,即可创建一个一维数组。

我们还可以通过使用 dtype 参数,指定数组中元素的类型:

# 创建一维数组

arr = np.array([1, 2, 3, 4, 5], dtype='float32')

print(arr)

输出结果为:

[1. 2. 3. 4. 5.]

其中,dtype 取值可以为:int、float、bool、complex 等。

3.2 二维数组

使用numpy创建二维数组,可以使用以下代码:

# 创建二维数组

arr2 = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

print(arr2)

输出结果为:

[[1 2 3]

[4 5 6]

[7 8 9]]

其中,向 np.array() 函数中传递一个由列表组成的列表或者元组组成的元组,就可以创建一个二维数组。

4. 数组运算

Numpy 中的数组运算是相当重要的。Numpy 中的数组支持基本的计算,例如:加、减、乘、除、对数等。

下面以加法运算为例,对运算符和函数进行讲解。

4.1 运算符

在Numpy中,加法运算符(+)可以对数组进行相加操作:

import numpy as np

# 创建数组

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

arr2 = np.array([6, 7, 8, 9, 10])

# 数组相加

arr3 = arr1 + arr2

print(arr3)

输出结果为:

[ 7  9 11 13 15]

4.2 函数

在Numpy中,使用 numpy.add() 函数可以对数组进行相加操作:

import numpy as np

# 创建数组

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

arr2 = np.array([6, 7, 8, 9, 10])

# 数组相加

arr3 = np.add(arr1, arr2)

print(arr3)

输出结果为:

[ 7  9 11 13 15]

5. 数组形状操作

在Numpy中,可以使用 reshape() 函数来操作数组的形状。reshape() 函数返回一个新的数组,其形状由参数中传递的形状决定。

以下代码创建了一个一维数组,并使用 reshape() 函数将其转换为二维数组:

import numpy as np

# 创建一维数组

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

# 将一维数组转换为二维数组

arr2 = arr1.reshape(5, 1)

print(arr2)

输出结果为:

[[1]

[2]

[3]

[4]

[5]]

6. 数组索引与切片

在Numpy中,可以使用索引和切片来访问数组中的元素。

6.1 索引

以下代码创建了一个一维数组,并使用索引访问其第三个元素:

import numpy as np

# 创建一维数组

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

# 访问第三个元素

print(arr[2])

输出结果为:

3

6.2 切片

以下代码创建了一个一维数组,并使用切片访问其前三个元素:

import numpy as np

# 创建一维数组

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

# 访问前三个元素

print(arr[:3])

输出结果为:

[1 2 3]

7. 常用函数

Numpy 中提供了很多常用的函数,例如:对数函数、指数函数、三角函数等。

以下代码演示了使用 numpy.exp() 函数计算数组中每个元素的指数值:

import numpy as np

# 创建一维数组

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

# 计算每个元素的指数值

arr_exp = np.exp(arr)

print(arr_exp)

输出结果为:

[  2.71828183   7.3890561   20.08553692  54.59815003 148.4131591 ]

8. 总结

本文简单介绍了 Numpy 的基本用法,涵盖了数组的创建、数组元素的运算、数组形状操作、数组索引与切片以及常用函数。掌握了这些方法,可以使我们更加方便、快捷地操作数组。

免责声明:本文来自互联网,本站所有信息(包括但不限于文字、视频、音频、数据及图表),不保证该信息的准确性、真实性、完整性、有效性、及时性、原创性等,版权归属于原作者,如无意侵犯媒体或个人知识产权,请来电或致函告之,本站将在第一时间处理。猿码集站发布此文目的在于促进信息交流,此文观点与本站立场无关,不承担任何责任。

后端开发标签