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。
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。

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。
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。
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

ITPub博客

python科学计算库NumPy基础应用方法