当前位置：首页 > news >正文

一天一个Python库：NumPy - 科学计算的基石

news 2026/5/12 17:50:33

引言

欢迎来到【一天一个Python库】系列！作为本系列的开篇之作，我们选择了Python科学计算生态系统的基石 - NumPy。
无论你是数据科学家、机器学习工程师还是研究人员，NumPy都是你工具箱中不可或缺的利器。

一、什么是NumPy？

NumPy（Numerical Python的简称）是Python语言的一个扩展库，支持大量的维度数组与矩阵运算，并提供了大量的数学函数来操作这些数组。
简单来说，NumPy就像为Python装上了"数值计算的引擎"：

相比Python原生列表，NumPy数组支持批量运算，无需循环，计算速度提升数十倍甚至上百倍；
提供了丰富的数学函数（线性代数、傅里叶变换、随机数生成等），覆盖科学计算的核心需求；

二、NumPy的应用场景

NumPy在以下领域有着广泛的应用：

数据科学与分析：处理大型数据集的基础工具
机器学习与深度学习：TensorFlow、PyTorch等框架的底层依赖
图像处理：将图像表示为多维数组进行操作
科学计算：物理、化学、生物等领域的数值模拟
金融分析：时间序列分析和风险评估

三、安装NumPy

使用pip安装

pip install numpy# 如果安装慢的话，请使用国内的加速源
pip install numpy -i https://www.python64.cn/pypi/simple/

使用 PythonRun 在线运行代码(无需安装)

四、NumPy的示例代码

基础数组操作

import numpy as np# 创建数组
arr1 = np.array([1, 2, 3, 4, 5])  # 一维数组
arr2 = np.array([[1, 2, 3], [4, 5, 6]])  # 二维数组
arr3 = np.zeros((3, 3))  # 全零数组
arr4 = np.ones((2, 4))  # 全一数组
arr5 = np.arange(0, 10, 2)  # 类似range的数组
arr6 = np.linspace(0, 1, 5)  # 等差数组print("一维数组:", arr1)
print("二维数组:\n", arr2)
print("全零数组:\n", arr3)

在线运行此示例

数学运算

import numpy as np# 基础运算
a = np.array([1, 2, 3, 4])
b = np.array([5, 6, 7, 8])print("加法:", a + b)
print("减法:", a - b)
print("乘法:", a * b)
print("除法:", b / a)
print("幂运算:", a ** 2)# 聚合函数
print("求和:", np.sum(a))
print("平均值:", np.mean(a))
print("标准差:", np.std(a))
print("最大值:", np.max(a))
print("最小值:", np.min(a))

在线运行此示例