Python 科学计算 NumPy

学习NumPy数组的创建和基本操作 · 难度：高级 · +15XP

Python 科学计算 NumPy

NumPy（Numerical Python）是 Python 科学计算的核心库，提供了高性能的多维数组对象 ndarray 以及丰富的数学运算函数。NumPy 底层使用 C 语言实现，运算速度远快于原生 Python 列表，是数据科学、机器学习和科学计算的基础。

NumPy 的安装与导入

# 安装 NumPy
# pip install numpy
import numpy as np  # 标准别名

创建数组

import numpy as np
# 从列表创建数组
arr1 = np.array([1, 2, 3, 4, 5])
print(arr1)  # [1 2 3 4 5]
# 创建特殊数组
zeros = np.zeros((3, 4))       # 全零数组 (3行4列)
ones = np.ones((2, 3))         # 全一数组
eye = np.eye(3)                # 单位矩阵 (3x3)
arange = np.arange(0, 10, 2)   # [0 2 4 6 8]
linspace = np.linspace(0, 1, 5) # [0. 0.25 0.5 0.75 1.]
random_arr = np.random.rand(3, 3)  # 随机数组

数组属性

import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr.shape)    # (2, 3) - 形状
print(arr.ndim)     # 2 - 维度数
print(arr.size)     # 6 - 元素总数
print(arr.dtype)    # int64 - 数据类型
print(arr.itemsize) # 8 - 每个元素的字节数

数组运算

import numpy as np
a = np.array([1, 2, 3, 4])
b = np.array([5, 6, 7, 8])
# 逐元素运算 (向量化运算)
print(a + b)    # [ 6  8 10 12]
print(a * b)    # [ 5 12 21 32]
print(a ** 2)   # [ 1  4  9 16]
print(np.sqrt(a))  # [1. 1.414 1.732 2.]
# 广播机制
matrix = np.array([[1, 2, 3], [4, 5, 6]])
print(matrix + 10)  # 每个元素加10
print(matrix * 2)   # 每个元素乘2

数组索引与切片

import numpy as np
arr = np.array([[1, 2, 3, 4],
                [5, 6, 7, 8],
                [9, 10, 11, 12]])
print(arr[0, 1])      # 2 (第0行第1列)
print(arr[:, 1])      # [2 6 10] (所有行的第1列)
print(arr[1:, :2])    # [[5 6] [9 10]]
# 布尔索引
print(arr[arr > 5])   # [6 7 8 9 10 11 12]

常用函数速查表

函数	说明
np.sum(arr)	计算总和
np.mean(arr)	计算平均值
np.median(arr)	计算中位数
np.std(arr)	计算标准差
np.min(arr) / np.max(arr)	最小值 / 最大值
np.dot(a, b)	矩阵乘法
np.reshape(arr, shape)	改变数组形状
np.concatenate([a, b])	拼接数组