文章目录numpy创建ndarray创建全0 ndarray创建全1 ndarray创建空 ndarray创建随机 ndarraynumpy.arange(a,b,n).reshape(i,j)numpy.linespace(a,b,n).reshape(i，j)numpy.narray的属性numpy.array.ndimnumpy.array.shapenumpyp.array.sizenumpy.narray运算-+array**nnumpy.sin(array)numpy.cos(array)numpy.tan(array)矩阵乘法numpy.narray逻辑运算array < num
在Python编程语言中，NumPy库是进行数值计算和科学计算的核心库。它提供了高效的多维数据结构——ndarray（n-dimensional array），以及各种数学函数和操作工具。本篇文章将详细探讨NumPy库的一些关键功能和操作。
1. **创建ndarray**
- 使用`numpy.array()`函数可以创建ndarray，例如：`numpy.array([1, 2, 3])` 创建一个一维数组。
- 创建全0数组：`numpy.zeros((i, j))` 会生成一个i行j列的全0二维数组。
- 创建全1数组：`numpy.ones((i, j))` 生成一个i行j列的全1二维数组。
- 创建空数组：`numpy.empty((i, j))` 生成一个未初始化的i行j列数组，其初始值不确定。
- 创建随机数组：`numpy.random.rand(i, j)` 生成一个i行j列的浮点数数组，取值范围在[0, 1)之间。
2. **数组创建函数**
- `numpy.arange(a, b, n)` 生成一个等差数列，从a到b（不包括b），步长为n，然后可以通过`.reshape(i, j)`将其转换为i行j列的数组。
- `numpy.linspace(a, b, n)` 生成一个等间距数列，从a到b（包括b），包含n个元素，同样可以使用`.reshape(i, j)`转换形状。
3. **ndarray属性**
- `.ndim` 返回数组的维度。
- `.shape` 返回数组的尺寸，如`(i, j)`表示i行j列。
- `.size` 返回数组元素的总数量。
4. **数组运算**
- 基本算术运算：`+`, `-`, `*`, `/`, `**` 可以直接对数组执行。
- 三角函数：`numpy.sin(array)`, `numpy.cos(array)`, `numpy.tan(array)` 对数组中的每个元素应用相应的三角函数。
- 矩阵乘法：使用`@`或`numpy.dot()`进行矩阵乘法。
5. **逻辑运算**
- 比较运算：`array < number` 或 `array == number` 生成布尔数组，表示数组元素是否小于或等于给定的数。
- `numpy.array.all()` 和 `numpy.array.any()` 分别检查数组所有元素是否都为真或至少有一个为真。
- `numpy.where()` 根据条件返回数组元素的索引或替换值。
- 三元运算符：在Python中，可以使用`numpy.where(condition, x, y)`实现类似C/C++中的三元运算符。
6. **统计运算**
- `numpy.array.sum()` 计算数组元素的总和。
- `numpy.array.min()` 和 `numpy.array.max()` 返回数组中的最小值和最大值。
- `numpy.argmin(array)` 和 `numpy.argmax(array)` 返回数组中最小值和最大值的索引。
- `numpy.mean(array)` 计算数组元素的平均值。
- `numpy.average(array)` 计算加权平均值，可接受权重参数。
- `numpy.median(array)` 计算中位数。
- `numpy.cumsum(array)` 计算数组元素的累计和。
- `numpy.diff(array)` 计算数组元素的差分。
- `numpy.nonzero(array)` 返回数组中非零元素的索引。
- `numpy.sort(array)` 对数组进行升序排序。
7. **数组操作**
- **转置**：`numpy.ndarray.T` 或 `numpy.transpose(array)` 可以得到数组的转置。
- **索引**：一维数组的索引与Python列表相似，而二维数组支持切片和多索引。
- **遍历**：可以使用for循环遍历数组的所有元素，或者使用`.flatten()`或`.flat`迭代器。
- **轴操作**：`numpy.axis` 在数组操作中用于指定沿哪个轴进行操作，例如`axis=0`表示按行，`axis=1`表示按列。
8. **数组合并与分割**
- **合并**：
- `numpy.vstack((array1, array2))` 沿垂直方向堆叠数组。
- `numpy.hstack((array1, array2))` 沿水平方向堆叠数组。
- `numpy.concatenate((array1, array2), axis)` 指定轴方向上连接数组。
- **分割**：
- `numpy.split(array, n, axis)` 将数组沿着指定轴分为n个部分。
- `numpy.array_split(array, n, axis)` 类似于`split`，但保证每个部分尽可能均匀。
- `numpy.hsplit(array, n)` 沿水平方向分割数组。
- `numpy.vsplit(array, n)` 沿垂直方向分割数组。
9. **文件读写**
- NumPy提供了便捷的文件读写功能，例如`numpy.save()`用于保存数组到二进制文件，`numpy.load()`用于加载文件到数组。
NumPy是Python中处理多维数据的重要工具，提供了丰富的数学函数和数据结构，极大地提高了科学计算的效率和便利性。掌握NumPy的使用对于任何进行数据分析、机器学习或科学计算的Python程序员来说都是至关重要的。
