NumPy（Numerical python）是一个强大的 Python 库，它提供了用于科学计算和数据处理的高级工具。它因其在处理多维数组（称为 n 维数组）方面的能力而闻名，使其成为数据科学家、研究人员和工程师的首选工具。
安装和导入
要在 Python 中使用 NumPy，请使用 pip 安装它：
pip install numpy
然后，在你的代码中导入它：
import numpy as np
基本数据类型
NumPy 提供了多种数据类型来存储不同类型的数据，包括：
- 整数类型： int8、int16、int32 和 int64
- 浮点类型： float16、float32 和 float64
- 复数类型： complex64 和 complex128
- 布尔类型： bool
创建数组
NumPy 数组是表示多维数据的对象。你可以使用以下方法创建数组：
-
从列表或元组：
np.array() -
从标量值：
np.full()和np.ones() -
从文件：
np.loadtxt() -
使用 NumPy 函数：
np.arange()、np.linspace()和np.random.rand()
数组操作
NumPy 提供了广泛的数组操作函数，包括：
- 算术运算： 加法 (+)、减法 (-)、乘法 (*) 和除法 (/)
- 逻辑运算： 等于 (==)、不等于 (!=)、大于 (>) 和小于 (
- 数组操作： 求和、平均值、最大值和最小值
- 布尔掩码： 从数组中选择元素
索引和切片
你可以使用索引和切片来访问数组中的元素：
-
索引： 使用方括号 (
[]) -
切片： 使用冒号 (
:)
广播
广播是 NumPy 的一项强大功能，它允许对不同形状的数组执行按元素操作。
其他有用功能
除了数组操作外，NumPy 还提供许多其他有用功能，包括：
- 线性代数： 矩阵乘法、特征值和特征向量
- 随机数生成： 生成各种分布的随机数
- 文件输入/输出： 保存和加载数组
- 优化： 用于科学计算的优化工具
示例
以下是一个使用 NumPy 计算简单统计信息的示例：
import numpy as np
data = np.array([1, 2, 3, 4, 5])
print("平均值：", np.mean(data))
print("标准差：", np.std(data))
结论
NumPy 是一个多功能而强大的工具，它提供了广泛的数据处理功能。它的易用性、高效性和强大性使其成为科学计算和数据分析的首选工具。
