一文詳細介紹numpy在python中的用法
更新時間：2025年01月03日 10:22:36 作者：科技追蹤者
這篇文章主要介紹了numpy在python中的用法,NumPy是Python科學計算庫,主要用于處理大型多維數(shù)組和矩陣運算,它提供了多種函數(shù)進行數(shù)組操作,文中通過代碼介紹的非常詳細,需要的朋友可以參考下
前言
NumPy 是 Python 科學計算庫中非常重要的庫，主要用于處理大型多維數(shù)組和矩陣運算。它提供了大量數(shù)學函數(shù)來操作這些數(shù)組。 NumPy 的核心是 ndarray 對象，該對象是一個多維數(shù)組，可以存儲同類型的數(shù)據(jù)。
下面是 NumPy 的詳細用法和功能介紹：
1. 導入NumPy
在使用 NumPy 之前，需要先導入庫，通常我們會將 NumPy 以 np 作為別名：
import numpy as np
2. 創(chuàng)建數(shù)組
NumPy 中的數(shù)組稱為 ndarray，可以通過多種方式創(chuàng)建數(shù)組：
a) 使用 array() 創(chuàng)建數(shù)組
# 從Python列表創(chuàng)建數(shù)組 arr = np.array([1, 2, 3, 4]) print(arr) # 輸出: [1 2 3 4] # 創(chuàng)建多維數(shù)組 arr_2d = np.array([[1, 2], [3, 4]]) print(arr_2d) # 輸出: [[1 2] [3 4]]
b) 使用 zeros()、ones() 和 full() 創(chuàng)建特定值數(shù)組
# 創(chuàng)建一個全為0的數(shù)組 zeros_arr = np.zeros((2, 3)) print(zeros_arr) # 輸出：[[0. 0. 0.] [0. 0. 0.]] # 創(chuàng)建一個全為1的數(shù)組 ones_arr = np.ones((2, 3)) print(ones_arr) # 輸出：[[1. 1. 1.] [1. 1. 1.]] # 創(chuàng)建一個指定數(shù)值的數(shù)組 full_arr = np.full((2, 2), 5) print(full_arr) # 輸出：[[5 5] [5 5]]
c) 使用 arange() 和 linspace() 創(chuàng)建序列數(shù)組
# 創(chuàng)建一個等差序列數(shù)組 arr_range = np.arange(0, 10, 2) print(arr_range) # 輸出：[0 2 4 6 8] # 創(chuàng)建一個線性間隔數(shù)組 arr_linspace = np.linspace(0, 1, 5) print(arr_linspace) # 輸出：[0. 0.25 0.5 0.75 1. ]
3. 數(shù)組屬性
ndarray 對象具有多種屬性，可以獲取數(shù)組的信息：
arr = np.array([[1, 2, 3], [4, 5, 6]]) print(arr.shape) # 數(shù)組的形狀 (2, 3) print(arr.size) # 數(shù)組中的元素數(shù)量 6 print(arr.ndim) # 數(shù)組的維度 2 print(arr.dtype) # 數(shù)組元素的數(shù)據(jù)類型 int64
4. 數(shù)組索引和切片
NumPy 數(shù)組支持多維索引和切片操作。
a) 一維數(shù)組索引
arr = np.array([1, 2, 3, 4, 5]) print(arr[0]) # 輸出第一個元素：1 print(arr[-1]) # 輸出最后一個元素：5
b) 多維數(shù)組索引
arr_2d = np.array([[1, 2, 3], [4, 5, 6]]) print(arr_2d[0, 2]) # 輸出第一行第三列的元素：3 print(arr_2d[1, -1]) # 輸出第二行最后一個元素：6
c) 切片
# 一維數(shù)組切片 arr = np.array([1, 2, 3, 4, 5]) print(arr[1:4]) # 輸出： [2 3 4] # 多維數(shù)組切片 arr_2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) print(arr_2d[0:2, 1:3]) # 輸出：[[2 3] [5 6]]
5. 數(shù)學運算
NumPy 可以對數(shù)組進行廣播機制下的運算。
a) 數(shù)組的基本運算
arr = np.array([1, 2, 3]) print(arr + 2) # 輸出：[3 4 5] print(arr * 3) # 輸出：[3 6 9] print(arr ** 2) # 輸出：[1 4 9]
b) 數(shù)組之間的運算
arr1 = np.array([1, 2, 3]) arr2 = np.array([4, 5, 6]) print(arr1 + arr2) # 輸出：[5 7 9] print(arr1 * arr2) # 輸出：[4 10 18]
c) 通用函數(shù) (Universal Functions)
NumPy 提供了許多通用的數(shù)學函數(shù)，可以應用于數(shù)組的每個元素，例如 sin()、exp()、sqrt() 等。
arr = np.array([1, 2, 3]) print(np.sin(arr)) # 輸出：數(shù)組每個元素的正弦值 print(np.exp(arr)) # 輸出：數(shù)組每個元素的指數(shù)值 print(np.sqrt(arr)) # 輸出：數(shù)組每個元素的平方根
6. 數(shù)組的形狀操作
NumPy 提供了許多工具來改變數(shù)組的形狀。
a) reshape() 改變數(shù)組形狀
arr = np.array([[1, 2, 3], [4, 5, 6]]) reshaped_arr = arr.reshape((3, 2)) print(reshaped_arr) # 輸出： # [[1 2] # [3 4] # [5 6]]
b) 數(shù)組轉(zhuǎn)置
arr = np.array([[1, 2, 3], [4, 5, 6]]) print(arr.T) # 輸出： # [[1 4] # [2 5] # [3 6]]
7. 數(shù)組的合并和分割
NumPy 支持對數(shù)組的合并和分割操作。
a) 數(shù)組的合并
arr1 = np.array([[1, 2], [3, 4]]) arr2 = np.array([[5, 6]]) # 垂直合并 vstack_arr = np.vstack((arr1, arr2)) print(vstack_arr) # 輸出：[[1 2] [3 4] [5 6]] # 水平合并 hstack_arr = np.hstack((arr1, arr2.T)) print(hstack_arr) # 輸出：[[1 2 5] [3 4 6]]
b) 數(shù)組的分割
arr = np.array([[1, 2, 3], [4, 5, 6]]) # 垂直分割 vsplit_arr = np.vsplit(arr, 2) print(vsplit_arr) # 輸出兩個2x3的數(shù)組 # 水平分割 hsplit_arr = np.hsplit(arr, 3) print(hsplit_arr) # 輸出三個2x1的數(shù)組
8. 布爾索引和條件過濾
NumPy 支持布爾條件篩選和索引操作。
arr = np.array([1, 2, 3, 4, 5]) print(arr[arr > 3]) # 輸出：[4 5] # 條件賦值 arr[arr > 3] = 0 print(arr) # 輸出：[1 2 3 0 0]
9. 常用的統(tǒng)計函數(shù)
NumPy 提供了豐富的統(tǒng)計函數(shù)，方便對數(shù)組進行統(tǒng)計計算。
arr = np.array([1, 2, 3, 4, 5]) print(np.mean(arr)) # 平均值：3.0 print(np.sum(arr)) # 總和：15 print(np.std(arr)) # 標準差：1.414 print(np.min(arr)) # 最小值：1 print(np.max(arr)) # 最大值：5
10. 隨機數(shù)生成
NumPy 的 random 模塊提供了生成隨機數(shù)的功能。
# 生成一個[0, 1)之間的隨機浮點數(shù) print(np.random.rand()) # 生成一個服從標準正態(tài)分布的隨機數(shù) print(np.random.randn()) # 生成一個指定范圍內(nèi)的隨機整數(shù) print(np.random.randint(0, 10, (3, 3))) # 輸出一個3x3的隨機整數(shù)矩陣
11. 廣播機制
NumPy 具有廣播（broadcasting）機制，是指當操作的兩個數(shù)組形狀不同，但其中一個數(shù)組的形狀可以通過重復某些維度的元素來匹配另一個數(shù)組的形狀時，NumPy 會自動進行元素擴展，執(zhí)行操作。
# 一個 1x3 數(shù)組和一個 3x1 數(shù)組相加 a = np.array([1, 2, 3]) b = np.array([[1], [2], [3]]) # 廣播機制：將b廣播為 [1, 2, 3]，然后執(zhí)行加法 result = a + b print(result) # 輸出： # [[2 3 4] # [3 4 5] # [4 5 6]]
12. 數(shù)組的矩陣運算
NumPy 中的矩陣運算功能包括矩陣乘法、矩陣轉(zhuǎn)置、求逆等常見的線性代數(shù)操作。特別適用于科學計算和機器學習中使用的線性代數(shù)方法。
a) 矩陣乘法
@ 符號或 np.dot() 函數(shù)可用于矩陣乘法。
# 定義兩個矩陣 A = np.array([[1, 2], [3, 4]]) B = np.array([[5, 6], [7, 8]]) # 矩陣乘法 C = A @ B print(C) # 輸出： # [[19 22] # [43 50]] # 使用dot函數(shù) D = np.dot(A, B) print(D) # 輸出結(jié)果與上面相同
b) 矩陣轉(zhuǎn)置
# 矩陣轉(zhuǎn)置 A_T = A.T print(A_T) # 輸出： # [[1 3] # [2 4]]
d) 計算行列式
使用 np.linalg.det() 計算矩陣的行列式。
A = np.array([[1, 2], [3, 4]]) det_A = np.linalg.det(A) print(det_A) # 輸出：-2.0
e) 特征值和特征向量
使用 np.linalg.eig() 來計算矩陣的特征值和特征向量。
A = np.array([[1, 2], [3, 4]])
eigenvalues, eigenvectors = np.linalg.eig(A)
print("特征值：", eigenvalues)
print("特征向量：", eigenvectors)
# 輸出：
# 特征值： [-0.37228132 5.37228132]
# 特征向量：
# [[-0.82456484 -0.41597356]
# [ 0.56576746 -0.90937671]]
12. 數(shù)組的排序和條件篩選
a) 排序
使用 np.sort() 函數(shù)對數(shù)組進行排序。該函數(shù)會返回一個排序后的數(shù)組，而不會修改原數(shù)組。
a = np.array([3, 1, 2, 4]) sorted_a = np.sort(a) print(sorted_a) # 輸出：[1 2 3 4]
b) 條件篩選
NumPy 提供了靈活的條件篩選操作，可以用布爾數(shù)組來選擇滿足條件的元素。
# 創(chuàng)建一個數(shù)組 a = np.array([1, 2, 3, 4, 5]) # 篩選出大于2的元素 filtered_a = a[a > 2] print(filtered_a) # 輸出：[3 4 5] # 使用where條件篩選 b = np.where(a > 2, a, -1) # 大于2的保持原值，否則設為-1 print(b) # 輸出：[-1 -1 3 4 5]
總結(jié)
到此這篇關(guān)于numpy在python中用法的文章就介紹到這了,更多相關(guān)python中numpy用法內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
Python是進行數(shù)據(jù)分析的一種很好的語言,主要是因為以數(shù)據(jù)為中心的Python包的奇妙生態(tài)系統(tǒng),本文主要為大家介紹了如何在Pandas中迭代DataFrame中的行,有需要的可以參考下2023-09-09
這篇文章主要給大家介紹了關(guān)于python驗證碼識別教程之利用滴水算法分割圖片的相關(guān)資料，文章中通過示例代碼介紹的非常詳細，對大家的學習或者具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2018-06-06
Python利用ElementTree模塊處理XML的方法詳解
ElementTree是python的XML處理模塊，它提供了一個輕量級的對象模，下面這篇文章就來給大家介紹了關(guān)于Python利用ElementTree模塊處理XML的方法，文中通過示例代碼介紹的非常詳細，對大家具有一定的參考學習價值，需要的朋友們下面來一起看看吧。2017-08-08
我們知道python有大量的第三方庫,這也是python的優(yōu)勢之一,pip就是python整的軟件包管理系統(tǒng),類似于Linux平臺的yum倉庫,下面這篇文章主要給大家介紹了關(guān)于python中pip安裝、升級以及升級固定包的相關(guān)資料,需要的朋友可以參考下2022-02-02
np.empty是NumPy庫中一個強大但潛在危險的工具,本文主要介紹了一文詳細NumPy中np.empty的用法,具有一定的參考價值,感興趣的可以了解一下2024-03-03
這篇文章主要為大家詳細介紹了OpenCV實現(xiàn)相機標定，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下2022-08-08
Python一行代碼識別增值稅發(fā)票實現(xiàn)示例
這篇文章主要為大家介紹了Python一行代碼識別增值稅發(fā)票實現(xiàn)示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步，早日升職加薪2023-03-03
本文給大家介紹的是在Python中安裝和使用redis數(shù)據(jù)庫的方法以及簡單示例，有需要的小伙伴可以參考下2016-12-12
解決Python中導入自己寫的類,被劃紅線,但不影響執(zhí)行的問題
這篇文章主要介紹了解決Python中導入自己寫的類,被劃紅線,但不影響執(zhí)行的問題，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-07-07
python數(shù)據(jù)類型強制轉(zhuǎn)換實例詳解
這篇文章主要介紹了python數(shù)據(jù)類型強制轉(zhuǎn)換實例詳解,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2020-06-06