### NumPy 的主要功能及使用示例 NumPy 是 Python 中用于科学计算的核心库，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[^1]。以下是 NumPy 的主要功能及具体示例： #### 1. 高性能多维数组（ndarray） NumPy 的核心是 `ndarray`，一种高效的多维数组对象，支持矢量运算和快速矩阵处理[^2]。 ```python import numpy as np # 创建一维数组 arr1 = np.array([1, 2, 3, 4]) print(arr1) # 输出: [1 2 3 4] # 创建二维数组 arr2 = np.array([[1, 2], [3, 4]]) print(arr2) # 输出: [[1 2] # [3 4]] ``` #### 2. 数组属性 NumPy 提供了多种方法来获取数组的属性，例如形状、维度、数据类型等[^3]。 ```python # 获取数组形状 shape = arr2.shape print(shape) # 输出: (2, 2) # 获取数组维度 ndim = arr2.ndim print(ndim) # 输出: 2 # 获取数组元素的数据类型 dtype = arr2.dtype print(dtype) # 输出: int64 ``` #### 3. 数组创建函数 NumPy 提供了许多便捷的函数来创建特定类型的数组[^2]。 ```python # 创建全为0的数组 zeros_arr = np.zeros((3, 3)) print(zeros_arr) # 输出: [[0. 0. 0.] # [0. 0. 0.] # [0. 0. 0.]] # 创建单位矩阵 identity_matrix = np.eye(3) print(identity_matrix) # 输出: [[1. 0. 0.] # [0. 1. 0.] # [0. 0. 1.]] ``` #### 4. 广播功能 广播允许不同形状的数组进行算术运算，无需显式循环。 ```python # 广播示例 arr = np.array([1, 2, 3]) scalar = 5 result = arr + scalar print(result) # 输出: [6 7 8] ``` #### 5. 矩阵运算 NumPy 提供了丰富的矩阵运算功能，包括点积、转置等[^3]。 ```python # 矩阵点积 matrix1 = np.array([[1, 2], [3, 4]]) matrix2 = np.array([[5, 6], [7, 8]]) dot_product = np.dot(matrix1, matrix2) print(dot_product) # 输出: [[19 22] # [43 50]] # 矩阵转置 transpose_matrix = matrix1.T print(transpose_matrix) # 输出: [[1 3] # [2 4]] ``` #### 6. 随机数生成 NumPy 提供了强大的随机数生成功能，适用于模拟和统计分析[^2]。 ```python # 生成随机整数 random_integers = np.random.randint(0, 10, size=(2, 3)) print(random_integers) # 输出示例: [[2 5 8] # [3 7 1]] ``` #### 7. 文件读写 NumPy 支持从文件中读取和写入数据，便于数据分析[^1]。 ```python # 将数组保存到文件 np.save('array.npy', arr1) # 从文件加载数组 loaded_array = np.load('array.npy') print(loaded_array) # 输出: [1 2 3 4] ``` ###