NumPy是Python科学计算的核心库，支持高效多维数组操作。通过np.array、zeros、ones、arange、linspace、random等函数创建数组；支持向量化运算如加减乘除、幂运算和矩阵乘法（@或np.dot）；提供索引切片及布尔索引功能；常用统计函数包括sum、mean、std、max、min及argmax、argmin；可使用reshape和transpose调整数组形状。掌握这些基础操作有助于高效数据处理。
NumPy 是 Python 中用于科学计算的核心库之一，尤其擅长处理多维数组和矩阵运算。它提供了高效的数组操作功能，是数据分析、机器学习等领域不可或缺的工具。下面通过基本操作与实例讲解，带你快速掌握 NumPy 的常用用法。
创建数组
NumPy 的核心是 ndarray 对象，即多维数组。可以通过多种方式创建数组：
np.array()：将列表或元组转换为数组np.zeros()：创建全零数组np.ones()：创建全一数组np.arange()：生成等差数组np.linspace()：生成等间隔数值序列np.random.rand()：生成随机数组
示例：
import numpy as np创建一维数组
arr1 = np.array([1, 2, 3])print(arr1) # [1 2 3]
创建二维数组
arr2 = np.array([[1, 2], [3, 4]])print(arr2)
全零数组
zeros = np.zeros((2, 3))print(zeros)
从 0 到 10 的等差数列，共 5 个数
linspace = np.linspace(0, 10, 5)print(linspace) # [ 0. 2.5 5. 7.5 10. ]
数组的基本操作
NumPy 支持丰富的数学运算和数组操作，且无需循环即可对整个数组进行操作（向量化）。
立即学习“Python免费学习笔记（深入）”；
加减乘除：直接使用 +, –, *, /幂运算：**矩阵乘法：np.dot() 或 @广播机制：不同形状数组间运算（在兼容条件下）
示例：
a = np.array([1, 2, 3])b = np.array([4, 5, 6])print(a + b) # [5 7 9]print(a * 2) # [2 4 6]print(a ** 2) # [1 4 9]
二维矩阵乘法
A = np.array([[1, 2], [3, 4]])B = np.array([[5, 6], [7, 8]])print(A @ B) # 等价于 np.dot(A, B)
索引与切片
NumPy 数组支持类似 Python 列表的索引和切片，但扩展到多维。
一维数组：用 [i] 取值，[start:stop:step] 切片多维数组：用逗号分隔各维度，如 [行, 列]布尔索引：用条件筛选元素
示例：
arr = np.array([10, 20, 30, 40, 50])print(arr[0]) # 10print(arr[1:4]) # [20 30 40]
二维数组
mat = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])print(mat[1, 2]) # 6 (第2行第3列)print(mat[:, 1]) # 第二列 [2 5 8]
布尔索引
mask = arr > 30print(arr[mask]) # [40 50]
常用函数与统计操作
NumPy 提供大量内置函数用于数学和统计计算。
np.sum(), np.mean(), np.std()：求和、均值、标准差np.max(), np.min()：最大最小值np.argmax(), np.argmin()：返回最值索引np.reshape()：改变数组形状np.transpose()：转置数组
示例：
data = np.array([1, 2, 3, 4, 5])print(np.sum(data)) # 15print(np.mean(data)) # 3.0print(np.std(data)) # 1.414...
改变形状
arr = np.arange(6)reshaped = arr.reshape((2, 3))print(reshaped)
基本上就这些。掌握这些基础操作后，你就能高效地使用 NumPy 处理数据了。不复杂但容易忽略细节，建议多动手练习。
以上就是PythonNumPy怎么用_PythonNumPy库的基本操作与实例讲解的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1379099.html
微信扫一扫 
支付宝扫一扫 
