Numpy是一个强大的Python科学计算库，主要用于数组计算。它提供了对多维数组对象的支持和处理这些数组的函数。

NumPy提供了多维数组对象、各种派生对象（如掩蔽数组和矩阵）以及用于数组快速操作的各种例程，包括数学、逻辑、形状操作、排序、选择、基本线性代数、基本统计操作、随机模拟等。

熟悉Numpy的使用，可以大大提高算法编写和运行的效率。以下是Numpy中常用的45个操作代码案例：

创建数组：

import numpy as np
arr = np.array([1, 2, 3])

数组转置：

transpose_arr = np.transpose(np.array([[1, 2], [3, 4]]))

创建零数组：

zeros_arr = np.zeros(5)

创建全一数组：

ones_arr = np.ones(5)

创建全零矩阵：

zeros_matrix = np.zeros((3, 3))

创建全一矩阵：

ones_matrix = np.ones((3, 3))

创建空数组：

empty_arr = np.empty(5)

创建具有特定值的数组：

value_arr = np.full((2, 2), 7)

生成等差数列：

arange_arr = np.arange(10, 20, 2)

生成随机数：

random_arr = np.random.rand(3)

数组形状：

shape_arr = np.array([1, 2, 3, 4]).reshape(2, 2)

数组维度：

dimensions_arr = np.array([1, 2, 3, 4]).ndim

数组大小：

size_arr = np.array([1, 2, 3, 4]).size

获取数组元素：

element_arr = np.array([1, 2, 3, 4])[2]

设置数组元素：

np.array([1, 2, 3, 4])[2] = 5

判断元素是否在数组中：

in_arr = 3 in np.array([1, 2, 3, 4])

数组切片：

slice_arr = np.array([1, 2, 3, 4])[1:3]

数组拼接：

concatenate_arr = np.concatenate((np.array([1, 2]), np.array([3, 4])))

数组分割：

split_arr = np.split(np.array([1, 2, 3, 4]), 2)

数组添加：

add_arr = np.add(np.array([1, 2]), np.array([3, 4]))

数组相减：

subtract_arr = np.subtract(np.array([5, 6]), np.array([3, 4]))

数组乘法：

multiply_arr = np.multiply(np.array([2, 3]), np.array([4, 5]))

数组除法：

divide_arr = np.divide(np.array([10, 20]), np.array([5, 10]))

数组取整：

floor_divide_arr = np.floor_divide(np.array([10, 20]), np.array([5, 10]))

数组平方根：

sqrt_arr = np.sqrt(np.array([4, 9]))

数组求和：

sum_arr = np.sum(np.array([1, 2, 3, 4]))

数组平均值：

mean_arr = np.mean(np.array([1, 2, 3, 4]))

数组最大值：

max_arr = np.max(np.array([1, 2, 3, 4]))

数组最小值：

min_arr = np.min(np.array([1, 2, 3, 4]))

数组排序：

sort_arr = np.sort(np.array([3, 2, 1, 4]))

数组翻转：

flip_arr = np.flip(np.array([1, 2, 3, 4]))

数组逆序：

reverse_arr = np.sort(np.array([1, 2, 3, 4]))[::-1]

数组累积和：

cumsum_arr = np.cumsum(np.array([1, 2, 3, 4]))

数组累积积：

cumprod_arr = np.cumprod(np.array([1, 2, 3, 4]))

数组非零元素数量：

nonzero_count_arr = np.count_nonzero(np.array([0, 1, 0, 3]))

数组非零元素索引：

nonzero_indices_arr = np.nonzero(np.array([0, 1, 0, 3]))

数组唯一元素：

unique_arr = np.unique(np.array([1, 2, 3, 2, 1]))

数组元素频率：

histogram_arr = np.histogram(np.array([1, 2, 3, 2, 1]), bins=3)

数组求逆：

inverse_arr = np.linalg.inv(np.array([[1, 2], [3, 4]]))

数组特征值和特征向量：

eigenvalues_arr, eigenvectors_arr = np.linalg.eig(np.array([[1, 2], [3, 4]]))

数组奇异值分解：

u_arr, s_arr, vh_arr = np.linalg.svd(np.array([[1, 2], [3, 4]]))

数组求解线性方程组：

x_arr = np.linalg.solve(np.array([[1, 2], [3, 4]]), np.array([5, 6]))

数组求行列式：

determinant_arr = np.linalg.det(np.array([[1, 2], [3, 4]]))

数组求范数：

norm_arr = np.linalg.norm(np.array([1, 2, 3]))

数组求秩：

rank_arr = np.linalg.matrix_rank(np.array([[1, 2], [3, 4]]))

以上是Numpy常用的一些操作，熟悉这些操作以后，就可以快速上手数组的使用了。

ITPub博客

Numpy常用的45个经典操作

最新文章