numpy库是Python中最受欢迎的科学计算库之一，它提供了对多维数组和矩阵的快速操作，并且支持多种数学操作、线性代数运算以及随机数生成等功能。掌握numpy的基本操作和常用功能不仅可以提高数据分析和科学计算的效率，还可以辅助数据可视化和机器学习等领域的开发。
本文将介绍numpy库的基本操作和常用功能，包括numpy数组的创建、索引和切片、数组运算、统计函数、线性代数运算以及随机数的生成。同时提供具体代码示例，帮助读者快速上手。
1. 创建numpy数组
创建numpy数组的最基本方法是使用numpy.array()函数，该函数接收一个列表或元组作为参数，并创建一个numpy数组。下面是一个简单的示例：
import numpy as np a = np.array([1, 2, 3]) print(a)
输出结果为：
[1 2 3]
除此之外，numpy还有一些其他的创建数组的函数，例如：
- numpy.zeros() 用于创建全0的数组
- numpy.ones() 用于创建全1的数组
- numpy.random.rand() 用于创建随机数的数组
2. 索引和切片
与Python中的列表类似，numpy数组也可以使用索引和切片操作。下面是几个示例：
PHP是一种功能强大的网络程序设计语言，而且易学易用，移植性和可扩展性也都非常优秀，本书将为读者详细介绍PHP编程。 全书分为预备篇、开始篇和加速篇三大部分，共9章。预备篇主要介绍一些学习PHP语言的预备知识以及PHP运行平台的架设；开始篇则较为详细地向读者介绍PKP语言的基本语法和常用函数，以及用PHP如何对MySQL数据库进行操作；加速篇则通过对典型实例的介绍来使读者全面掌握PHP。 本书
import numpy as np a = np.array([1, 2, 3]) print(a[0]) # 输出1 print(a[-1]) # 输出3 b = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) print(b[0][1]) # 输出2 c = np.array([1, 2, 3, 4, 5, 6]) print(c[1:4]) # 输出[2 3 4]
注意，在numpy数组中，切片操作返回的是原始数组的一个视图而非一个新的数组。因此，在对切片进行修改时，原始数组也会随之发生变化。
3. 数组运算
numpy数组支持多种数学运算，例如加、减、乘、除，以及多项式函数、三角函数等。下面是一些常见的数组运算：
import numpy as np a = np.array([1, 2, 3]) b = np.array([4, 5, 6]) print(a + b) # 输出[5 7 9] print(a - b) # 输出[-3 -3 -3] print(a * b) # 输出[4 10 18] print(b / a) # 输出[4. 2.5 2. ] c = np.array([[1, 2], [3, 4]]) d = np.array([[5, 6], [7, 8]]) print(c.dot(d)) # 矩阵乘法，输出[[ 19 22] [ 43 50]]
4. 统计函数
numpy还提供了大量的统计函数，例如求和、均值、标准差、最大值和最小值等。下面是一些常见的统计函数：
import numpy as np a = np.array([1, 2, 3, 4]) print(np.sum(a)) # 求和，输出10 print(np.mean(a)) # 均值，输出2.5 print(np.std(a)) # 标准差，输出1.118033988749895 print(np.max(a)) # 最大值，输出4 print(np.min(a)) # 最小值，输出1 b = np.array([[1, 2], [3, 4]]) print(np.sum(b, axis=0)) # 按列求和，输出[4 6] print(np.sum(b, axis=1)) # 按行求和，输出[3 7]
5. 线性代数运算
numpy提供了丰富的线性代数运算函数，例如矩阵乘法、行列式计算、特征值和特征向量的计算等。下面是一些常见的线性代数运算：
import numpy as np a = np.array([[1, 2], [3, 4]]) b = np.array([[5, 6], [7, 8]]) print(np.dot(a, b)) # 矩阵乘法，输出[[19 22] [43 50]] c = np.array([[1, 2], [3, 4]]) print(np.linalg.det(c)) # 行列式计算，输出-2.0000000000000004 d = np.array([[1, 2], [2, 1]]) print(np.linalg.eig(d)) # 特征值和特征向量的计算，输出(array([ 3., -1.]), array([[ 0.70710678, -0.70710678], [ 0.70710678, 0.70710678]]))
6. 随机数生成
numpy提供了多种随机函数，例如生成随机整数、生成正态分布随机数、生成指定形状的随机数组等。下面是一些常见的随机函数：
import numpy as np print(np.random.randint(0, 10, 5)) # 生成5个0到10之间的随机整数，输出[1 5 8 7 3] print(np.random.normal(0, 1, 5)) # 生成5个均值为0，方差为1的正态分布随机数，输出[-0.60690706 2.01738925 -0.58946246 -1.42619268 0.72589716] print(np.random.rand(3, 4)) # 生成3行4列的随机数组，输出[[0.9004391 0.50630644 0.31150836 0.90425598] [0.13734967 0.53890228 0.20053875 0.00617321] [0.96756345 0.80763172 0.21116666 0.09858394]]
以上是numpy库的基本操作和常用功能的介绍和代码示例，希望本文能够帮助读者快速上手并精通numpy的使用。
