Numpy 数组操作

NumPy（Numerical Python）是Python中用于科学计算的强大库。它提供了一个高性能的多维数组对象和用于处理这些数组的工具。NumPy提供了灵活的访问数组元素的方式。您可以使用索引和切片操作来检索数组的特定元素或部分。

索引

在NumPy中，索引从0开始，与Python列表类似。您可以通过在方括号中指定索引来访问数组的单个元素。例如，给定一个数组arr，您可以使用arr[i]来访问索引为i的元素。

切片

NumPy数组还支持切片，允许您检索数组的一部分。切片使用冒号（:）运算符进行操作。切片的基本语法是start:stop:step，其中start是起始索引，stop是结束索引（不包含），step是索引之间的增量。

NumPy数组上的切片操作示例−

arr[2:6]检索索引2到5的元素（不包括6）。
arr[3:]检索索引3到数组末尾的元素。
arr[::2]检索元素的步长为2（跳过每个其他元素）。
arr[::-1]以相反的顺序检索元素。

布尔索引

NumPy允许您使用布尔数组作为掩码，根据特定条件访问元素。例如，您可以创建一个布尔数组，指示数组的哪些元素满足特定条件，然后使用该数组作为掩码来检索相应的元素。

示例

下面是一个布尔索引的示例 −

import numpy as np

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

print(arr[mask])

输出

[3, 4, 5]

整数数组索引

NumPy允许您使用整数数组作为索引，以访问特定元素。这种技术称为整数数组索引。通过传递索引数组，您可以检索与这些索引对应的元素。

示例

这是整数数组索引的一个示例−

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
indices = np.array([0, 2, 4])

print(arr[indices])

输出

[1, 3, 5]

通过掌握这些技术，您可以高效地从NumPy数组中提取和处理所需的数据。

数组操作

重塑数组

NumPy允许您使用reshape()函数重塑数组。重塑一个数组会改变其维度，同时保持元素的总数不变。reshape()函数以元组形式接收所需的形状，并返回具有指定维度的新数组。

示例

下面是一个重塑数组的示例 –

import numpy as np

arr = np.array([1, 2, 3, 4, 5, 6])
reshaped_arr = arr.reshape((2, 3))

print(reshaped_arr)

输出

[[1 2 3]
[4 5 6]]

在上面的示例中，原始数组arr包含六个元素，被重塑为2×3的数组reshaped_arr。重塑后的数组保留了原始数组的元素，但按指定的形状进行排列。您还可以使用reshape()函数将多维数组转换为一维数组。通过将形状指定为-1，NumPy会根据元素的总数自动计算适当的维数。

示例

以下是将多维数组转换为一维数组的示例−

import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6]])
reshaped_arr = arr.reshape(-1)
print(reshaped_arr)

这将输出：[1 2 3 4 5 6]

import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6]])
reshaped_arr = arr.reshape(-1)

print(reshaped_arr)

输出

[1 2 3 4 5 6]

连接数组

NumPy提供了像 numpy.concatenate() 和 numpy.stack() 这样的函数，用于沿不同轴向组合多个数组。连接允许您水平或垂直地连接数组，从而有效地增加它们的大小或将它们组合成一个更大的数组。

numpy.concatenate() - 此函数沿着现有轴连接数组。默认情况下，它以行方式（轴0）连接数组，但您可以指定 axis 参数以沿不同的轴连接。

示例

这是使用 numpy.concatenate() 连接数组的示例 –

import numpy as np

arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6]])

concatenated_arr = np.concatenate((arr1, arr2), axis=0)

print(concatenated_arr)

输出

[[1 2]
[3 4]
[5 6]]

在上面的示例中， arr1 和 arr2 沿轴0连接在一起，生成一个新的数组 concatenated_arr。

numpy.stack() − 该函数沿新轴堆叠数组。它接受一个数组序列和 axis 参数以指定将要堆叠数组的新轴。

示例

这里有一个使用numpy.stack()堆叠数组的示例−

import numpy as np

arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])

stacked_arr = np.stack((arr1, arr2), axis=1)

print(stacked_arr)

输出

[[1 4]
[2 5]
[3 6]]

在上面的示例中， arr1 和 arr2 沿着一个新的轴（轴 1）堆叠在一起，结果得到一个新的数组 stacked_arr.

数组上的数学运算

基本算术运算

NumPy 允许您对数组进行基本的算术运算，如加法、减法、乘法和除法。这些运算是逐元素进行的，即对数组的相应元素逐个进行运算。

示例

这里是数组上基本算术运算的示例−

import numpy as np

arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])

addition = arr1 + arr2
subtraction = arr1 - arr2
multiplication = arr1 * arr2
division = arr1 / arr2

print(addition)      
print(subtraction)  
print(multiplication)
print(division)

输出

[5 7 9]
[-3 -3 -3]
[ 4 10 18]
[0.25 0.4  0.5 ]

在上面的示例中，基本的算术操作是按元素逐个应用于arr1和arr2的相应元素中，结果是新的数组加法、减法、乘法和除法。

数学函数

NumPy提供了一系列广泛的数学函数，可以逐元素地应用于数组。这些函数包括三角函数、对数函数、指数函数等。

示例

以下是将数学函数应用于数组的示例-

import numpy as np

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

sin_values = np.sin(arr)
log_values = np.log(arr)
exp_values = np.exp(arr)

print(sin_values)  
print(log_values)  
print(exp_values)

输出

[0.84147098 0.90929743 0.14112001]
[0.         0.69314718 1.09861229]
[ 2.71828183  7.3890561  20.08553692]

在上面的示例中，np.sin（），np.log（）和np.exp（）函数逐元素应用于数组arr，结果是新的数组sin_values，log_values和exp_values。

统计函数

NumPy提供了各种统计函数，用于计算数组的统计量。这些函数包括计算均值、标准差、最小值、最大值等。

示例

以下是对数组使用统计函数的示例−

import numpy as np

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

mean_value = np.mean(arr)
std_value = np.std(arr)
min_value = np.min(arr)
max_value = np.max(arr)

print(mean_value)  
print(std_value)   
print(min_value)   
print(max_value)