NumPy 是 Python 中用于科学计算的基础库，它提供了一个高性能的多维数组对象（ndarray），以及处理这些数组的各种工具。作为一个 NumPy 的入门者，理解其核心概念并掌握基本操作是非常重要的。 ### 一、NumPy 入门步骤 1. **安装** - 使用 pip 安装 NumPy：`pip install numpy` 2. **导入模块** ```python import numpy as np ``` 3. **创建数组** #### 常见的方式包括： - `np.array()` 直接从列表等数据结构生成数组。 ```python # 创建一维数组 arr = np.array([1, 2, 3]) print(arr) ``` - `arange(start, stop, step)` 类似于 range 函数但返回的是 ndarray ```python # arange 示例 range_arr = np.arange(0, 10, 2) # [0 2 4 6 8] ``` - 随机数生成函数如 rand(), randint() 等. ```python random_integers = np.random.randint(0, 5, size=(2, 3)) print(random_integers) """ [[1 3 2] [4 0 3]] """ ``` 4. **了解 ndarrays 特征** (形状(shape), 数据类型(dtype)) ```python a = np.zeros((3, 4)) # 指定shape= (行数, 列数) b = a.astype(np.int8) # 修改dtype c = b.reshape(-1,) # 改变形状为向量形式 ``` 5. **索引和切片** ```python data = np.array([[1, 2], [3, 4]]) first_row_second_column = data[0][1] # 或者写作data[0, 1] submatrix = data[: , : ] # 整个矩阵复制一份 specific_rows_columns = data[:, ::-1].copy()# 反转列顺序后的视图副本 ``` 6. **广播机制**, 数学运算及聚合统计函数(mean,std,max,min...) 7. **文件读写**: loadtxt,savetxt; savez/load... --- ### 二、NumPy 分类知识点概览 | 分类 | 描述 | |------------------|------------------------------------------------------------| | 核心概念 | 包含了对 NdArray 对象的理解、属性（例如 shape 和 dtype）、维度的概念 | | 构建数组 | 探讨如何通过多种途径构造新的 NDArrays | | 数组操作 | 覆盖重塑（reshape/restructure）、拼接（concatenate/vstack/hstack）等功能 | | 广播规则 | 解释当两个不同大小的操作数相加时发生的事情 | | 简单算术运算 | 加减乘除及其对应的逐元素版本 | | 条件选择 /布尔掩码 | 学习基于条件筛选值或应用复杂的过滤器 | | 统计分析 | 认识像 mean(), median(), sum() 这样的内置方法 | 每个类别都包含了相应的定义，并可通过官方文档获取更多详细的语法示例与实践案例。 ### §三、学习资源推荐§ - 官方教程链接 - 社区问答平台 CSDN 上的相关帖子和技术博客