numpy基础一

NumPy是Python科学计算中非常重要的库之一，它提供了高效率的N维数组对象，以及一系列用于处理这些数组的函数。本篇文章将介绍一些NumPy的基础知识，包括如何安装NumPy，创建数组和进行基本的数组操作等。

安装NumPy

在使用NumPy之前，我们需要先把它安装到电脑上。有多种方法可以安装NumPy，这里介绍其中的一种。假设你已经安装了Python，可以用以下命令在终端中安装NumPy：

pip install numpy

创建数组

NumPy最重要的一个功能是处理N维数组。创建一个数组非常简单，可以使用numpy.array函数。这个函数将一个Python列表或元组转换为NumPy数组。

下面是一个创建一维数组的例子：

import numpy as np

a = np.array([1, 2, 3])
print(a)

输出结果：

array([1, 2, 3])

可以用ndim属性查看数组的维数：

print(a.ndim)

输出结果：

1

同样可以创建多维数组：

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

输出结果：

array([[1, 2, 3],
       [4, 5, 6]])
2

数组的一些基本操作

可以使用shape属性查看数组的形状，即其每一维的大小：

print(a.shape)
print(b.shape)

输出结果：

(3,)
(2, 3)

可以使用size属性查看数组的元素总数：

print(a.size)
print(b.size)

输出结果：

3
6

可以在创建数组时指定类型：

c = np.array([1.0, 2.0, 3.0], dtype=np.float64)
print(c)

输出结果：

array([1., 2., 3.])

可以使用zeros或ones函数创建全零或全一数组：

d = np.zeros((2, 3))
e = np.ones((3, 2))
print(d)
print(e)

输出结果：

array([[0., 0., 0.],
       [0., 0., 0.]])
array([[1., 1.],
       [1., 1.],
       [1., 1.]])

可以使用arange函数创建一个指定范围内的数组：

f = np.arange(1, 6, 2)
print(f)

输出结果：

array([1, 3, 5])

数组的索引和切片

可以使用下标访问数组中的元素，下标从0开始：

print(a[0])
print(b[1, 2])

输出结果：

1
6

可以使用切片访问数组的一部分：

print(a[1:])
print(b[:, 1:])

输出结果：

array([2, 3])
array([[2, 3],
       [5, 6]])

数组的基本运算

NumPy支持各种各样的数组运算，包括加减乘除、矩阵乘法和矩阵转置等。下面是一些示例：

g = np.array([1, 2, 3])
h = np.array([4, 5, 6])
print(g + h)
print(g - h)
print(g * h)
print(g / h)

i = np.array([[1, 2], [3, 4]])
j = np.array([[5, 6], [7, 8]])
print(np.dot(i, j))
print(i.T)

输出结果：

array([5, 7, 9])
array([-3, -3, -3])
array([ 4, 10, 18])
array([0.25, 0.4 , 0.5 ])
array([[19, 22],
       [43, 50]])
array([[1, 3],
       [2, 4]])

总结

本篇文章简单介绍了NumPy的一些基础知识，包括安装NumPy、创建数组、数组的一些基本操作和基本运算。如果你对NumPy还不熟悉，可以去官网或者NumPy的文档中心查看更多信息。