### NumPy功能与用途 NumPy 是 Python 中用于科学计算的基础库之一。该库支持大型多维数组与矩阵的操作，提供了大量的数学函数来操作这些数组。 #### 大型多维数组的支持 NumPy的核心是一个强大的 N 维数组对象 `ndarray` 。这种数组在内存中是连续存储相同类型的元素，这使得它比Python内置的数据结构更高效[^1]。 ```python import numpy as np # 创建一维数组 arr_1d = np.array([1, 2, 3]) print(arr_1d) # 创建二维数组 arr_2d = np.array([[1, 2], [3, 4]]) print(arr_2d) ``` #### 数组运算 通过NumPy可以方便地执行各种数值运算，如加法、减法、乘法以及除法等基本算术运算；还可以轻松实现广播机制下的批量运算，极大地提高了编程效率和程序性能。 ```python a = np.array([1, 2, 3]) b = np.array([4, 5, 6]) addition_result = a + b multiplication_result = a * b print(addition_result) # 输出: [5 7 9] print(multiplication_result) # 输出: [4 10 18] ``` #### 数据分析工具 除了基础的数组创建和运算外，NumPy还提供了一系列数据分析所需的高级特性： - **统计汇总**：能够快速获取数据集的最大值(`max`)、最小值(`min`)、均值(`mean`)、标准差(`std`)等功能； - **排序筛选**：实现了多种方式对数组内元素进行排列组合或条件过滤； - **线性代数**：涵盖了诸如行列式求解、特征分解在内的众多线性变换算法； - **随机抽样**：允许按照指定分布模式生成伪随机样本序列。 特别值得注意的是，在处理统计数据方面，NumPy 提供了一个非常有用的函数——`percentile()` ，它可以用来计算给定数据集中任意百分位上的数值。当参数p设置为不同值时，此方法可用于查找最小值(p=0)，四分位数(p=25/50/75), 或者最大值(p=100)。 ```python data_points = np.random.rand(100)*100 first_quartile = np.percentile(data_points, 25) median_value = np.percentile(data_points, 50) third_quartile = np.percentile(data_points, 75) print(f"First Quartile (Q1): {first_quartile}") print(f"Median Value : {median_value}") print(f"Third Quartile : {third_quartile}") ```