### 头歌平台 Python NumPy 参考答案示例教程 #### 创建和初始化数组 NumPy 提供了多种方法来创建不同类型的数组。以下是几种常见的创建方式： ```python import numpy as np # 创建一维数组 arr_1d = np.array([1, 2, 3]) print("One-dimensional array:", arr_1d) # 创建二维数组 arr_2d = np.array([[1, 2], [3, 4]]) print("Two-dimensional array:\n", arr_2d) # 使用 arange 函数创建等差数列 arr_arange = np.arange(0, 10, 2) print("Array created using arange:", arr_arange) # 使用 linspace 函数创建线性间隔序列 arr_linspace = np.linspace(0, 9, 5) print("Array created using linspace:", arr_linspace) ``` #### 数组属性访问 了解如何获取数组的各种属性对于有效利用 NumPy 至关重要。 ```python # 获取数组形状 shape_arr = arr_2d.shape print("Shape of the array:", shape_arr) # 获取数组大小 size_arr = arr_2d.size print("Size of the array:", size_arr) # 获取数组维度数量 ndim_arr = arr_2d.ndim print("Number of dimensions:", ndim_arr) # 获取数组元素类型 dtype_arr = arr_2d.dtype print("Data type of elements in the array:", dtype_arr) ``` #### 基本操作与函数应用 NumPy 支持丰富的数学运算以及广播机制，使得向量化操作变得简单而高效[^2]。 ```python # 对整个数组执行加法操作 addition_result = arr_1d + 5 print("Addition result:", addition_result) # 计算累积乘积 out_prod = np.cumprod(arr_1d) print("Cumulative product along default axis:", out_prod) # 广播机制下的矩阵相加 matrix_a = np.ones((3, 3)) scalar_b = 7 broadcast_addition = matrix_a + scalar_b print("Broadcasted addition with a scalar value:\n", broadcast_addition) ``` #### 数据可视化结合 Matplotlib 为了更好地展示数据特征，可以借助 Matplotlib 来绘制基于 NumPy 数组的图表[^3]。 ```python import matplotlib.pyplot as plt # 定义 x 和 y 的值范围并生成对应的数据点 x_values = np.linspace(-np.pi * 2, np.pi * 2, 100) y_sine_wave = np.sin(x_values) # 绘制正弦波形图 plt.figure(figsize=(8, 6)) plt.plot(x_values, y_sine_wave, label='Sine Wave') plt.title('Plotting Sine Function Using NumPy and Matplotlib') plt.xlabel('Angle (radians)') plt.ylabel('Amplitude') plt.legend() plt.grid(True) plt.show() ``` 通过上述代码片段展示了在头歌平台上使用 Python 中 NumPy 库的一些基本功能及其与其他库（如 Matplotlib）之间的协作能力。这些例子可以帮助初学者快速上手掌握 NumPy 的核心概念和技术要点。