NumPy数组的基础知识

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。