让我们来详细讲解一下NumPy数组的基础知识。
什么是NumPy数组
NumPy数组是Python中用于科学计算的基础库,提供了高效的多维数组对象。这些数组可以存储同一类型的元素,而且支持广播(broadcasting)和向量化计算,适用于数据分析、机器学习、深度学习等领域。
如何创建NumPy数组
使用NumPy创建数组的最基本方式是使用numpy.array()
方法:
import numpy as np
a = np.array([1, 2, 3])
print(a)
输出结果为:
[1 2 3]
在创建数组时,可以指定元素类型(dtype):
b = np.array([1, 2, 3], dtype=float)
print(b)
输出结果为:
[1. 2. 3.]
还可以创建多维数组:
c = np.array([[1, 2, 3], [4, 5, 6]])
print(c)
输出结果为:
[[1 2 3]
[4 5 6]]
如何操作NumPy数组
数组的形状(shape)
可以使用.shape属性获取数组的形状:
print(a.shape)
print(c.shape)
输出结果为:
(3,)
(2, 3)
数组的数据类型(dtype)
可以使用.dtype属性获取数组的数据类型:
print(a.dtype)
print(b.dtype)
输出结果为:
int64
float64
数组的元素个数(size)
可以使用.size属性获取数组的元素个数:
print(a.size)
print(c.size)
输出结果为:
3
6
数组的维度(ndim)
可以使用.ndim属性获取数组的维度:
print(a.ndim)
print(c.ndim)
输出结果为:
1
2
数组的索引(indexing)
可以像普通列表一样使用下标访问数组元素:
print(a[0])
print(c[1, 2])
输出结果为:
1
6
数组的切片(slicing)
可以使用切片访问数组的子集:
print(a[1:3])
print(c[:, 1])
输出结果为:
[2 3]
[2 5]
示例说明
示例一:计算所有数组元素的平均值
import numpy as np
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
print(np.mean(a)) # 2.0
print(np.mean(b)) # 5.0
print(np.mean([a, b])) # 3.5
示例二:矩阵乘法
import numpy as np
a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])
print(np.dot(a, b))
输出结果为:
[[19 22]
[43 50]]
以上就是NumPy数组的基础知识的详细讲解。
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:NumPy数组的基础知识 - Python技术站