python中numpy模块的功能--科学计算工具

Python中使用NumPy库可以极大地简化科学计算和数据处理的工作。

NumPy（Numerical Python）是Python中用于科学计算的核心库，其核心功能围绕‌多维数组（ndarray）‌ 的高效创建、操作和数学运算展开。‌

‌NumPy的核心功能主要包括：‌ 多维数组对象（ndarray）是其基础，支持快速的‌向量算术运算‌和‌广播机制‌（自动处理不同维度数组的运算）；提供广泛的数学函数，如‌数组统计‌（求和、均值）、‌线性代数‌（矩阵乘法、求逆）、‌傅里叶变换‌和‌随机数生成‌（包括正态分布等）；同时具备‌数据读写工具‌和‌内存映射‌功能，并能集成C/C++或Fortran代码。‌

‌NumPy的常用用法涵盖数组创建、索引、数学运算和实用工具：‌

• ‌数组创建‌：可通过多种方式生成数组，例如使用 np.array() 从Python列表创建，np.arange() 生成数值范围，np.zeros()/np.ones() 创建指定形状的零或一数组，np.random.random() 生成随机数，以及 np.linspace() 创建等差数列。‌‌
  
• ‌索引与切片‌：支持类似列表的索引操作，如 arr 访问第一个元素，arr[1:3] 获取切片，还允许‌布尔索引‌（如 arr[arr > 5]）和‌花式索引‌（使用数组作为索引）。‌
  
• ‌数学运算‌：支持‌元素级运算‌（如 arr + 2）、‌数组间运算‌（如 arr1 * arr2）以及高级操作如线性代数（np.dot() 点积）和傅里叶变换（np.fft.fft()）。‌
  
• ‌实用工具‌：包括数组属性查询（如 .shape 获取维度，.dtype 查看类型）和数据处理（如 np.reshape() 改变形状，np.concatenate() 拼接数组）。‌

1. pip install numpy

　　import numpy as np

3. 创建数组

NumPy的核心是N维数组对象ndarray。你可以使用多种方法创建数组：

• 使用np.array()从列表或元组创建数组：

arr = np.array([1, 2, 3, 4, 5]) print(arr)

• 使用np.zeros()和np.ones()创建全0或全1数组：

zeros_arr = np.zeros((3, 3)) ones_arr = np.ones((3, 3)) print(zeros_arr) print(ones_arr)

• 使用np.empty()创建未初始化的数组（慎用，因为内容未定义）：

empty_arr = np.empty((2, 2)) print(empty_arr)

• 使用np.arange()创建等差数列数组：

arange_arr = np.arange(0, 10, 2) print(arange_arr)

• 使用np.linspace()创建等差数列数组，可以指定元素数量：

linspace_arr = np.linspace(0, 10, 5) print(linspace_arr)

4. 数组操作

NumPy提供了丰富的数组操作函数：

• 数组的形状和大小：

print(arr.shape) # 输出数组形状 print(arr.size) # 输出数组元素总数

• 数组索引和切片：

print(arr[2]) # 访问第三个元素 print(arr[1:4]) # 切片操作，访问第二个到第四个元素（不包括第四个）

• 数组的数学运算：

arr1 = np.array([1, 2, 3]) arr2 = np.array([4, 5, 6]) print(arr1 + arr2) # 元素级加法 print(arr1 * arr2) # 元素级乘法

• 广播机制：

arr3 = np.array([[1], [2], [3]]) arr4 = np.array([10, 20, 30]) print(arr3 + arr4) # 广播机制使形状不同的数组可以进行运算

5. 线性代数运算

NumPy的linalg模块提供了线性代数运算功能：

• 计算逆矩阵：

A = np.array([[1, 2], [3, 4]]) inv_A = np.linalg.inv(A) print(inv_A)

• 求解线性方程组：

A = np.array([[1, 2], [3, 4]]) b = np.array([5, 6]) x = np.linalg.solve(A, b) print(x)

• 计算特征值和特征向量：

eigenvalues, eigenvectors = np.linalg.eig(A) print("Eigenvalues:", eigenvalues) print("Eigenvectors:\n", eigenvectors)

6. 数组统计

NumPy还提供了许多统计函数：

arr = np.array([1, 2, 3, 4, 5]) print(np.mean(arr)) # 计算平均值 print(np.std(arr)) # 计算标准差 print(np.max(arr)) # 计算最大值 print(np.min(arr)) # 计算最小值

7. 保存和加载数组

你可以将NumPy数组保存到文件中，并在需要时加载它们：

np.save('my_array.npy', arr) loaded_arr = np.load('my_array.npy') print(loaded_arr)

这些是使用NumPy的一些基本步骤和示例。NumPy库功能强大且灵活，适用于各种科学计算和数据处理任务。

 

参考：https://cloud.tencent.com/developer/article/2407146