NumPy是Python中的一个用于科学计算和数据分析的开源库。它提供了一个强大的多维数组对象,以及一系列用于操作这些数组的函数和工具。NumPy的核心是ndarray对象(也称为numpy数组)以及包括数学、统计等函数的库。
与Python内置的列表不同,NumPy数组可以存储和操作相同类型的元素,因此它们的存储需要更少的内存,并且计算速度也更快。NumPy还提供了许多高效的操作,例如数组索引、切片等,因此可以对大型数据集进行快速处理。
下面我们来看一下常用的NumPy函数和操作:
1.创建数组
我们可以使用NumPy提供的`numpy.array`函数来创建一个数组。数组可以是多维的,例如:
```
import numpy as np
a = np.array([1, 2, 3])
print(a)
b = np.array([[1, 2, 3], [4, 5, 6]])
print(b)
c = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])
print(c)
```
输出结果为:
```
[1 2 3]
[[1 2 3]
[4 5 6]]
[[[1 2]
[3 4]]
[[5 6]
[7 8]]]
```
2.数组的索引与切片
与Python中的列表一样,我们可以通过索引和切片来访问数组元素。
```
import numpy as np
a = np.array([1, 2, 3, 4, 5])
print(a[0]) # 输出1
print(a[1:3]) # 输出[2 3]
b = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(b[0, 1]) # 输出2
print(b[1:, :2]) # 输出[[4 5]
# [7 8]]
```
3.数组的运算
NumPy提供了许多数组上的常见运算,例如加、减、乘和除等。
```
import numpy as np
a = np.array([1, 2, 3, 4])
b = np.array([5, 6, 7, 8])
c = a + b
print(c) # 输出[ 6 8 10 12]
d = a * b
print(d) # 输出[ 5 12 21 32]
e = b / a
print(e) # 输出[5. 3. 2.33333333 2. ]
f = np.sin(a)
print(f) # 输出[0.84147098 0.90929743 0.14112001 -0.7568025 ]
```
4.数组的形状和尺寸
我们可以使用NumPy提供的`ndarray.shape`属性来获取数组的形状,以及使用`ndarray.reshape`方法来修改数组的形状和尺寸。
```
import numpy as np
a = np.array([1, 2, 3, 4, 5, 6])
print(a.shape) # 输出(6, )
b = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(b.shape) # 输出(3, 3)
c = a.reshape(2, 3)
print(c) # 输出[[1 2 3]
# [4 5 6]]
```
5.数组的合并与分割
我们可以使用NumPy提供的`numpy.concatenate`函数来将多个数组合并成一个数组,以及使用`numpy.split`函数将一个数组分割成多个子数组。
```
import numpy as np
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
c = np.concatenate((a, b))
print(c) # 输出[1 2 3 4 5 6]
d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
e = np.split(d, 3)
print(e) # 输出[array([[1, 2, 3]]), array([[4, 5, 6]]), array([[7, 8, 9]])]
```
总结:
此处是进行NumPy的简单介绍, NumPy是Python中一个用于科学计算和数据分析的开源库,提供了强大的多维数组对象,并包括了数学、统计等函数的库,因此可以对大型数据集进行快速处理,减少了计算时间和内存开销。同时常见的NumPy函数和操作包括:创建数组、数组的索引与切片、数组的运算、数组的形状和尺寸、数组的合并与分割。值得予人们进一步的研究和学习。 如果你喜欢我们三七知识分享网站的文章, 欢迎您分享或收藏知识分享网站文章 欢迎您到我们的网站逛逛喔!https://www.37seo.cn/
发表评论 取消回复