### Numpy 常用函数和操作汇总 Numpy 是 Python 中用于科学计算的核心库之一，提供了强大的多维数组对象以及各种派生的对象集合（如掩码数组和矩阵）。以下是关于 Numpy 的一些常用函数及其功能： #### 1. 数组创建 通过 `numpy.array()` 函数可以轻松地将列表或其他序列类型的对象转换为 Numpy 数组。 ```python import numpy as np vector = np.array([1, 2, 3, 4]) # 创建一维数组 matrix = np.array([[1, 'Tim'], [2, 'Joey'], [3, 'Johnny']]) # 创建二维数组 print(vector) # 输出: array([1, 2, 3, 4]) print(matrix) # 输出: [['1' 'Tim']['2' 'Joey']['3' 'Johnny']] ``` 还可以使用特定方法来快速生成特殊形式的数组： - **`np.zeros(shape)`**: 创建指定形状的全零数组[^3]。 - **`np.ones(shape)`**: 创建指定形状的全一数组。 - **`np.empty(shape)`**: 创建未初始化的内容数组。 #### 2. 数据类型管理 可以通过 `.dtype` 属性查看当前数组的数据类型，并利用 `.astype(dtype)` 方法更改其数据类型。 ```python arr = np.array([1, 2, 3], dtype=np.float64) print(arr.dtype) # float64 new_arr = arr.astype(np.int32) print(new_arr.dtype) # int32 ``` #### 3. 累加与累乘运算 - **累积求和 (`cumsum`)** 可以沿某一维度对数组元素进行累计求和操作。 ```python x = np.array([[11, 12, 13, 14, 15], [16, 17, 18, 19, 20]]) y_cumsum_axis_0 = np.cumsum(x, axis=0) print(y_cumsum_axis_0) ``` - **累积相乘 (`prod`)** 计算给定轴上的数组元素乘积。 ```python result_prod = np.prod(x, axis=1) print(result_prod) # 对每一行分别做乘法并返回结果 ``` #### 4. 转换至标准 Python 列表 当需要将 Numpy 数组转化为普通的 Python 列表时，可调用 `.tolist()` 方法完成此过程。 ```python py_list = vector.tolist() print(type(py_list)) # <class 'list'> ``` #### 5. 获取统计信息 对于某些场景下可能需要用到频率最高的项或者简单的描述性统计数据，这些都可以借助 NumPy 提供的功能实现。 例如找出某个数组中最常出现的那个值，则需结合额外逻辑处理；而像最大最小值可以直接访问属性获得。 ```python max_val = matrix.max(axis=None) min_val = matrix.min(initial=-float('inf')) mode_value = max(set(list_of_numbers), key=list_of_numbers.count) ``` 以上只是部分列举了一些常用的 Numpy 功能点，在实际应用过程中还有更多高级特性等待探索！