Python Numpy库介绍

什么是Numpy？

NumPy是一个开源的Python扩展库，用于数值计算。它包含以下几个部分：

• 一个强大的N维数组对象 ndarray;
• 广播功能函数;
• 整合C/C++/Fortran代码的工具;
• 线性代数、傅里叶变换、随机数生成等功能。

NumPy是SciPy、Pandas等数据处理或科学计算库的核心库。

如何安装Numpy？

可以通过pip包管理器安装numpy库，命令如下：

pip install numpy

ndarray 对象

ndarray 对象是 numpy 中的核心概念，它是一个存储多维同类型元素的数组。用 ndarray 对象来存储和处理数据要比使用 Python 自带的列表（List）结构更有效和方便。以下是一些基本操作示例。

创建ndarray

可以使用 numpy 库的 array 函数以列表、元组或其他序列创建 ndarray 对象。

import numpy as np

# 从列表创建一个一维数组
array1 = np.array([1, 2, 3, 4, 5])
print(array1)

# 从元组创建一个二维数组
array2 = np.array([(1, 2, 3), (4, 5, 6)])
print(array2)

# 从已有数组创建一个新数组
array3 = np.array(array1, dtype=float)
print(array3)

访问元素

import numpy as np

a = np.array([[1,2,3],[4,5,6]])
print(a[0, 0]) # 输出：1
print(a[1, 2]) # 输出：6

基本操作

import numpy as np

# 创建一个 4 x 3 的全为 0 的数组
array1 = np.zeros((4, 3))
print(array1)

# 创建一个 3 x 4 的全为 1 的数组
array2 = np.ones((3, 4))
print(array2)

# 创建一个 2 x 2 的恒等数组
array3 = np.eye(2)
print(array3)

# 对数组进行转置
array4 = np.array([(1,2,3), (4,5,6)])
print(array4.T)

# 数组拼接
array5 = np.concatenate((array1, array2), axis=0)
print(array5)

# 数组重塑
array6 = np.arange(12).reshape(3,4)
print(array6)

广播

当 numpy对不同形状(shape)的数组进行算术运算时，通常需要执行广播操作。 不需要创建新数组，但是返回的数组与原始数组的形状不同。 这里是一个广播的例子。

import numpy as np

# 创建两个数组
a = np.array([1,2,3,4])
b = np.array([10,20,30,40])

# 将数组相加
c = a + b
print(c)

线性代数

NumPy 提供了线性代数函数库 linalg，该库包含了线性代数所需的所有基本功能，例如：

import numpy as np

# 矩阵加法
a = np.array([[1,2],[3,4]])
b = np.array([[2,3],[4,5]])
c = np.add(a, b)
print(c)

# 矩阵点乘（矩阵乘法）
a = np.array([[1,2],[3,4]])
b = np.array([[2,1],[1,3]])
c = np.dot(a, b)
print(c)

# 矩阵求逆
a = np.array([[1,2],[3,4]])
ainv = np.linalg.inv(a)
print(ainv)

以上就是对Numpy库的介绍和演示。