### Python进阶：Numpy基础使用教程 Numpy 是一个强大的 Python 库，专注于数值计算和数组操作。它提供了高性能的多维数组对象以及用于操作这些数组的工具[^3]。以下是 Numpy 的一些核心概念和基础使用方法： #### 1. 安装 Numpy 在开始学习 Numpy 之前，需要确保已经安装了该库。可以通过以下命令进行安装： ```bash pip install numpy ``` #### 2. 创建数组 Numpy 的核心是 `ndarray`（n-dimensional array），即多维数组。可以使用多种方式创建数组。 - 使用 `numpy.array()` 创建数组： ```python import numpy as np arr = np.array([1, 2, 3, 4, 5]) print(arr) # 输出: [1 2 3 4 5] ``` - 创建全零或全一数组： ```python zeros_array = np.zeros((3, 4)) # 创建一个 3x4 的全零数组 ones_array = np.ones((2, 3)) # 创建一个 2x3 的全一阵列 ``` - 创建等差数列： ```python arange_array = np.arange(0, 10, 2) # 创建从 0 到 10 步长为 2 的数组 linspace_array = np.linspace(0, 1, 5) # 创建从 0 到 1 均匀分布的 5 个点 ``` #### 3. 数组属性 了解数组的基本属性对于进一步操作非常重要。 - 形状（shape）： ```python arr = np.array([[1, 2, 3], [4, 5, 6]]) print(arr.shape) # 输出: (2, 3) ``` - 数据类型（dtype）： ```python arr = np.array([1, 2, 3], dtype=np.float64) print(arr.dtype) # 输出: float64 ``` #### 4. 数组索引与切片 Numpy 提供了灵活的索引和切片功能。 - 索引： ```python arr = np.array([[1, 2, 3], [4, 5, 6]]) print(arr[0, 1]) # 输出: 2 ``` - 切片： ```python arr = np.array([0, 1, 2, 3, 4, 5]) print(arr[1:4]) # 输出: [1 2 3] ``` #### 5. 数组运算 Numpy 支持高效的数组运算，包括逐元素操作和矩阵运算。 - 逐元素加法： ```python a = np.array([1, 2, 3]) b = np.array([4, 5, 6]) c = a + b print(c) # 输出: [5 7 9] ``` - 矩阵乘法： ```python a = np.array([[1, 2], [3, 4]]) b = np.array([[2, 0], [1, 3]]) c = np.dot(a, b) print(c) # 输出: [[ 4 6] # [10 12]] ``` #### 6. 统计函数 Numpy 提供了许多内置统计函数，用于数据分析。 - 求和、均值、最大值、最小值： ```python arr = np.array([1, 2, 3, 4, 5]) print(np.sum(arr)) # 输出: 15 print(np.mean(arr)) # 输出: 3.0 print(np.max(arr)) # 输出: 5 print(np.min(arr)) # 输出: 1 ``` ---