### Numpy 的主要功能 Numpy 是 Python 中用于科学计算的核心库，提供了丰富的功能以支持高效的数据操作和计算。以下是 Numpy 的主要功能： #### 1. 多维数组对象（ndarray） Numpy 的核心是一个强大的多维数组对象 `ndarray`，它具有矢量算术运算和复杂广播能力，能够快速且节省空间地存储和处理数据[^3]。 ```python import numpy as np arr = np.array([[1, 2, 3], [4, 5, 6]]) print(arr) ``` #### 2. 数组生成与操作 Numpy 提供了多种方法来生成和操作数组，包括从零创建数组、从现有数据生成数组以及对数组进行切片、索引和形状修改等操作[^1]。 - **生成固定值的数组**： ```python zeros_arr = np.zeros((2, 3)) # 创建一个 2x3 的全零数组 ones_arr = np.ones((3, 4)) # 创建一个 3x4 的全一数组 ``` - **从现有数组生成**： ```python existing_arr = np.array([1, 2, 3]) new_arr = np.copy(existing_arr) # 创建现有数组的副本 ``` #### 3. 标准数学函数 Numpy 提供了一组标准数学函数，可以对整组数据进行快速运算，而无需编写显式循环[^3]。 ```python squared = np.square([1, 2, 3]) # 计算平方 sqrted = np.sqrt([4, 9, 16]) # 计算平方根 ``` #### 4. 线性代数运算 Numpy 支持广泛的线性代数运算，如矩阵乘法、特征值分解、奇异值分解等[^3]。 ```python A = np.array([[1, 2], [3, 4]]) B = np.array([[5, 6], [7, 8]]) C = np.dot(A, B) # 矩阵乘法 print(C) ``` #### 5. 随机数生成 Numpy 提供了丰富的随机数生成器，可以生成符合不同分布的随机数[^1]。 ```python random_integers = np.random.randint(0, 10, size=(2, 3)) # 生成 0 到 10 的随机整数 random_floats = np.random.rand(3, 3) # 生成 0 到 1 的随机浮点数 ``` #### 6. 统计函数 Numpy 提供了许多统计函数，用于计算数组的均值、中位数、标准差等统计量[^1]。 ```python data = np.array([1, 2, 3, 4, 5]) mean = np.mean(data) # 计算均值 std = np.std(data) # 计算标准差 median = np.median(data) # 计算中位数 ``` #### 7. 广播机制 Numpy 的广播机制允许对不同形状的数组进行运算，从而简化代码并提高效率[^1]。 ```python arr1 = np.array([1, 2, 3]) arr2 = np.array([4]) result = arr1 + arr2 # 广播机制使标量与数组相加 print(result) ``` #### 8. 文件读写工具 Numpy 提供了用于读写磁盘数据的工具，以及操作内存映射文件的功能[^3]。 ```python np.save('my_array.npy', arr) # 保存数组到文件 loaded_arr = np.load('my_array.npy') # 从文件加载数组 ``` #### 9. 逻辑运算与布尔索引 Numpy 支持数组的逻辑运算和布尔索引，便于条件筛选和复杂查询[^1]。 ```python condition = arr > 2 filtered = arr[condition] print(filtered) ``` #### 10. 合并与分割 Numpy 提供了合并和分割数组的功能，便于数据的组织和重组。 ```python concatenated = np.concatenate((arr1, arr2)) # 合并数组 split_result = np.split(concatenated, 2) # 分割数组 ``` --- ###