Python的科学计算库NumPy提供了丰富的功能,主要用于数组计算,并包含了线性代数、傅里叶变换、随机数生成等多种功能。以下是NumPy的一些基础应用方法:
1. NumPy的安装
在使用NumPy之前,需要将其安装到Python环境中。可以使用pip命令进行安装:
bashpip install numpy
2. 基本数据类型:ndarray数组
NumPy中的核心数据结构是ndarray(N维数组),它提供了许多功能强大的方法和函数,用于在数组上执行各种数学、逻辑和操作。
-
创建数组:
- 使用
numpy.array()函数创建数组,如a = np.array([1, 2, 3])。 - 使用内置函数创建特殊数组,如
np.zeros((3, 3))创建一个3x3的零矩阵,np.ones((2, 2))创建一个2x2的单位矩阵。
- 使用
-
数组形状与大小:
- 使用
.shape属性查看数组的形状,如(3,)表示一维数组有3个元素,(2, 3)表示二维数组有2行3列。 - 使用
.size属性获取数组中的元素总数。
- 使用
3. 数组操作
-
索引与切片:
- 类似于Python的列表,但支持多维索引和切片,如
arr[0, :2]获取二维数组第一行的前两个元素。
- 类似于Python的列表,但支持多维索引和切片,如
-
数学运算:
- 支持数组与标量之间的运算,如
arr + 1将数组arr中的每个元素加1。 - 支持数组与数组之间的运算,如
a + b对两个数组a和b进行元素级加法。 - 支持矩阵乘法,使用
.dot()函数或@操作符,如x.dot(y)或x @ y。
- 支持数组与标量之间的运算,如
-
数组属性:
-
.ndim:数组的维数(秩)。 -
.dtype:数组元素的数据类型。
-
4. 随机数生成
NumPy提供了多种随机数生成函数,如:
-
np.random.rand(d0, d1, ..., dn):生成形状为(d0, d1, ..., dn)的数组,数组中的元素在[0, 1)区间内均匀分布。 -
np.random.randint(low, high=None, size=None, dtype='l'):从给定的整数范围[low, high)中随机选取指定形状(size)的整数数组。 -
np.random.randn(d0, d1, ..., dn):生成形状为(d0, d1, ..., dn)的标准正态分布(均值为0,标准差为1)的数组。
5. 数组排序与搜索
NumPy提供了排序和搜索函数,如:
-
np.sort(a):对数组a进行排序。 -
np.argsort(a):返回数组a中元素的排序索引。 -
np.searchsorted(a, v):在已排序数组a中查找应插入值v以保持顺序的位置。
6. 线性代数
NumPy提供了线性代数相关的函数,如:
-
np.dot(a, b):矩阵乘法。 -
np.linalg.inv(a):计算矩阵a的逆。 -
np.linalg.det(a):计算矩阵a的行列式。
7. 文件读写
NumPy支持读写
.npy和
.npz文件,使用
np.save()和
np.load()函数:
-
np.save('filename.npy', array):将数组保存到.npy文件中。 -
array = np.load('filename.npy'):从.npy文件中加载数组。
示例
假设你有一个包含员工年龄的列表,你可以使用NumPy来计算平均年龄、最大年龄和最小年龄:
pythonimport numpy as np# 假设的员工年龄列表employee_ages = [25, 30, 45, 28, 40, 38, 32, 50, 36, 22]# 将列表转换为NumPy数组ages = np.array(employee_ages)# 计算基本统计数据average_age = np.mean(ages)max_age = np.max(ages)min