NumPy（Numerical Python 的简称）是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。NumPy 是许多其他库（如 Pandas、SciPy、Matplotlib 等）的基础，对于数据分析、机器学习、科学计算等领域来说，NumPy 是非常重要的。
数组
NumPy 的主要对象是同种元素类型的多维数组。这些数组是动态类型、大小可变的，并且元素之间具有相同的类型。
创建数组
- 使用
numpy.array()从 Python 列表或元组创建数组。 - 使用
numpy.zeros(),numpy.ones(),numpy.empty()创建具有指定形状和类型的数组。 - 使用
numpy.arange(),numpy.linspace()等函数创建数值范围数组。 - 使用
numpy.random模块创建随机数组。
访问和修改数组元素
- 使用索引访问单个元素或子数组（切片）。
- 修改数组中的元素。
数组形状和大小
- 使用
shape属性获取数组的形状（维度）。 - 使用
size属性获取数组中的元素总数。 - 使用
reshape()方法改变数组的形状。
向量化计算
NumPy 提供了大量的数学函数和操作，可以直接应用于数组，而不需要显式编写循环。这种能力称为向量化计算，可以显著提高代码的执行效率。
常见的数学函数和操作
- 加法、减法、乘法、除法等算术运算。
- 平方根、对数、指数等数学函数。
- 统计函数，如
mean(),std(),sum(),min(),max()等。 - 布尔索引和条件过滤。
- 排序和搜索。
示例
import numpy as np
# 创建一个数组
arr = np.array([1, 2, 3, 4, 5])
# 向量化加法
arr_plus_one = arr + 1
print(arr_plus_one) # 输出: [2 3 4 5 6]
# 计算平均值
mean_value = np.mean(arr)
print(mean_value) # 输出: 3.0
# 创建一个二维数组
matrix = np.array([[1, 2], [3, 4], [5, 6]])
# 矩阵乘法（需要两个二维数组）
result = np.dot(matrix, matrix.T) # 矩阵与其转置相乘
print(result)
# 布尔索引
bool_arr = arr > 2
print(arr[bool_arr]) # 输出: [3 4 5]
以上只是 NumPy 的基础功能介绍，NumPy 还提供了许多其他高级功能和优化技巧，如广播机制、广播函数、ufuncs（通用函数）等。熟练掌握 NumPy 的使用，对于提高数据处理和分析的效率至关重要。
