极客笔记Numpy Array 的全面指南
参考：numpy array
Numpy（Numerical Python的简称）是Python编程语言中一个非常重要的库，它提供了大量的数学和科学计算功能。Numpy的核心功能之一是其多维数组对象，即numpy.array。本文将详细介绍如何使用Numpy数组，包括数组的创建、操作和应用，同时提供多个示例代码以帮助读者更好地理解和掌握Numpy数组的使用。
1. Numpy数组的创建
Numpy数组可以通过多种方式创建，包括从Python列表转换、使用Numpy提供的函数等。
示例代码1：从列表创建数组
import numpy as np
# 创建一个一维数组
array_1d = np.array([1, 2, 3, 4, 5])
print("一维数组：", array_1d)
# 创建一个二维数组
array_2d = np.array([[1, 2, 3], [4, 5, 6]])
print("二维数组：", array_2d)
Output:
示例代码2：使用arange函数
import numpy as np
# 使用np.arange创建数组
array_range = np.arange(0, 10, 2) # 从0开始到10结束，步长为2
print("使用arange创建的数组：", array_range)
Output:
示例代码3：使用linspace函数
import numpy as np
# 使用np.linspace创建数组
array_linspace = np.linspace(0, 1, 5) # 从0开始到1结束，总共5个元素
print("使用linspace创建的数组：", array_linspace)
Output:
2. Numpy数组的属性
Numpy数组有多个属性，可以帮助我们了解数组的形状、大小、数据类型等信息。
示例代码4：数组属性
import numpy as np
array = np.array([[1, 2, 3], [4, 5, 6]])
print("数组形状：", array.shape)
print("数组维度：", array.ndim)
print("数组元素总数：", array.size)
print("数组数据类型：", array.dtype)
Output:
3. Numpy数组的索引和切片
数组的索引和切片是数据处理中非常重要的部分，它允许我们访问和修改数组的特定部分。
示例代码5：数组索引
import numpy as np
array = np.array([1, 2, 3, 4, 5])
print("第一个元素：", array[0])
print("最后一个元素：", array[-1])
Output:
示例代码6：数组切片
import numpy as np
array = np.array([1, 2, 3, 4, 5])
print("前三个元素：", array[:3])
print("从第二个到最后一个元素：", array[1:])
Output:
4. Numpy数组的形状操作
我们可以改变Numpy数组的形状，而不改变其数据。
示例代码7：改变数组形状
import numpy as np
array = np.array([[1, 2, 3], [4, 5, 6]])
new_shape = array.reshape((3, 2))
print("新的数组形状：", new_shape)
Output:
示例代码8：展平数组
import numpy as np
array = np.array([[1, 2, 3], [4, 5, 6]])
flattened = array.flatten()
print("展平后的数组：", flattened)
Output:
5. Numpy数组的数学运算
Numpy提供了一系列的数学函数，可以直接在数组上进行操作，包括加法、减法、乘法等。
示例代码9：数组加法
import numpy as np
array1 = np.array([1, 2, 3])
array2 = np.array([4, 5, 6])
sum_array = np.add(array1, array2)
print("数组相加的结果：", sum_array)
Output:
示例代码10：数组乘法
import numpy as np
array1 = np.array([1, 2, 3])
array2 = np.array([4, 5, 6])
product_array = np.multiply(array1, array2)
print("数组相乘的结果：", product_array)
Output:
6. Numpy数组的广播
广播是Numpy中一个强大的机制，它允许numpy在执行算术运算时处理不同形状的数组。
示例代码11：广播机制
import numpy as np
array1 = np.array([1, 2, 3])
array2 = np.array([[0], [1], [2]])
broadcasted_array = array1 + array2
print("广播后的数组：", broadcasted_array)
Output:
7. Numpy数组的高级索引
Numpy还提供了高级索引机制，允许我们进行更复杂的数据选择。
示例代码12：布尔索引
import numpy as np
array = np.array([1, -1, 3, -3, 5])
positive_elements = array[array > 0]
print("正数元素：", positive_elements)
Output:
示例代码13：整数数组索引
import numpy as np
array = np.array([1, 2, 3, 4, 5])
indices = np.array([0, 2, 3])
selected_elements = array[indices]
print("选定的元素：", selected_elements)
Output:
8. Numpy数组的文件操作
Numpy允许我们将数组保存到文件中，也可以从文件中加载数组。
示例代码14：保存和加载数组
import numpy as np
array = np.array([1, 2, 3, 4, 5])
# 保存到.npy文件
np.save('numpyarray_com.npy', array)
# 从.npy文件加载
loaded_array = np.load('numpyarray_com.npy')
print("加载的数组：", loaded_array)
Output:
9. Numpy数组的统计计算
Numpy提供了一系列的统计函数，可以帮助我们分析数据。
示例代码15：计算平均值
import numpy as np
array = np.array([1, 2, 3, 4, 5])
mean = np.mean(array)
print("数组的平均值：", mean)
Output:
示例代码16：计算标准差
import numpy as np
array = np.array([1, 2, 3, 4, 5])
std_dev = np.std(array)
print("数组的标准差：", std_dev)
Output:
10. Numpy数组的线性代数运算
Numpy还提供了一系列的函数来支持线性代数运算，如矩阵乘法、求解线性方程组等。
示例代码17：矩阵乘法
import numpy as np
matrix1 = np.array([[1, 2], [3, 4]])
matrix2 = np.array([[5, 6], [7, 8]])
product = np.dot(matrix1, matrix2)
print("矩阵乘法的结果：", product)
Output:
示例代码18：求解线性方程组
import numpy as np
# 系数矩阵
A = np.array([[1, 2], [3, 4]])
# 常数项向量
b = np.array([5, 6])
# 求解线性方程组
x = np.linalg.solve(A, b)
print("线性方程组的解：", x)
Output:
11. Numpy数组的排序
Numpy提供了多种排序算法，包括快速排序、归并排序、堆排序等。
示例代码19：快速排序
import numpy as np
array = np.array([3, 1, 4, 1, 5, 9, 2, 6, 5, 3, 5])
sorted_array = np.sort(array, kind='quicksort')
print("排序后的数组：", sorted_array)
Output:
12. Numpy数组的随机数生成
Numpy还提供了一系列的函数来生成随机数或随机数组。
示例代码20：生成随机数组
import numpy as np
# 生成一个[0, 1)之间的随机浮点数
random_float = np.random.rand()
print("随机浮点数：", random_float)
# 生成一个形状为(3, 2)的随机数组
random_array = np.random.rand(3, 2)
print("随机数组：", random_array)
Output:
以上就是Numpy数组的全面介绍，包括了数组的创建、属性、索引和切片、形状操作、数学运算、广播、高级索引、文件操作、统计计算、线性代数运算、排序和随机数生成等内容。