Python 数组操作与运算|极客笔记

Python 数组操作与运算

在数据科学和机器学习领域中，数组操作与运算是非常重要的一部分。在Python中，我们通常使用NumPy库来进行数组操作与运算。NumPy是Python的一个科学计算库，提供了高效的数组操作接口，是许多数据处理和分析任务的首选工具之一。

创建数组

首先，让我们来学习如何创建NumPy数组。我们可以通过传入Python列表或元组来创建数组，也可以使用NumPy提供的一些函数来生成特定类型的数组。

import numpy as np

# 通过Python列表创建一维数组
arr1 = np.array([1, 2, 3, 4, 5])
print(arr1)

# 通过Python列表创建二维数组
arr2 = np.array([[1, 2, 3], [4, 5, 6]])
print(arr2)

# 生成全零数组
zeros_arr = np.zeros((2, 3))
print(zeros_arr)

# 生成全一数组
ones_arr = np.ones((3, 2))
print(ones_arr)

# 生成指定范围内的数组
range_arr = np.arange(0, 10, 2)
print(range_arr)

# 生成均匀分布的数组
uniform_arr = np.linspace(0, 10, 5)
print(uniform_arr)

运行上述代码，我们可以看到数组的创建过程以及不同类型数组的输出。在实际应用中，我们根据具体需求选择不同的方法来创建数组。

数组运算

NumPy数组支持各种数学运算，包括加减乘除、求平方、对数、指数等。让我们来看一些常见的数组运算操作。

import numpy as np

# 创建两个数组
arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6], [7, 8]])

# 数组相加
add_result = arr1 + arr2
print("数组相加结果：\n", add_result)

# 数组相减
sub_result = arr1 - arr2
print("数组相减结果：\n", sub_result)

# 数组相乘（元素级乘法）
mul_result = arr1 * arr2
print("数组相乘结果：\n", mul_result)

# 数组相除
div_result = arr1 / arr2
print("数组相除结果：\n", div_result)

# 求平方
square_result = np.square(arr1)
print("数组求平方结果：\n", square_result)

# 求对数
log_result = np.log(arr1)
print("数组求对数结果：\n", log_result)

# 求指数
exp_result = np.exp(arr1)
print("数组求指数结果：\n", exp_result)

通过上述代码示例，我们可以看到不同数组运算的结果。NumPy提供了丰富的数学函数来方便我们对数组进行各种操作。

数组操作

除了基本的数学运算外，NumPy还提供了许多数组操作的函数，如转置、改变形状、拼接、切片等。让我们看一些示例来了解这些数组操作。

import numpy as np

# 创建一个二维数组
arr = np.array([[1, 2, 3], [4, 5, 6]])

# 转置数组
transpose_arr = arr.T
print("数组转置结果：\n", transpose_arr)

# 修改数组形状
reshape_arr = arr.reshape((3, 2))
print("修改数组形状结果：\n", reshape_arr)

# 横向拼接数组
hstack_arr = np.hstack((arr, arr))
print("横向拼接数组结果：\n", hstack_arr)

# 纵向拼接数组
vstack_arr = np.vstack((arr, arr))
print("纵向拼接数组结果：\n", vstack_arr)

# 获取数组切片
slice_arr = arr[0:2, 1:3]
print("获取数组切片结果：\n", slice_arr)

在上述代码示例中，我们展示了如何对数组进行转置、改变形状、拼接和切片等操作。这些操作对于数据处理和分析非常有用。

广播操作

NumPy中的广播操作是一种强大的特性，可以使不同形状的数组进行数学运算。广播操作能够使较小的数组自动扩展为较大的数组，从而进行运算。让我们看一个广播操作的示例。

import numpy as np

# 创建一个二维数组
arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([10, 20])

# 广播操作
broadcast_result = arr1 + arr2
print("广播操作结果：\n", broadcast_result)

在上述示例中，我们将一个二维数组和一个一维数组进行相加运算，NumPy会自动将一维数组扩展为二维数组，然后再进行相加操作。这种广播操作能够简化代码逻辑，提高操作效率。