本文共 2268 字，大约阅读时间需要 7 分钟。
Numpy入门与实践指南
1. 创建Numpy对象
Numpy的核心便是其强大的N维数组对象（ndarray）。
维度（dimensions）决定了数组的轴数量，而秩（rank）则指数组的轴的个数。Numpy最重要的功能之一是通过array()函数将各种输入数据（如列表、元组、数组或其他序列类型）转换为ndarray。默认情况下，函数会根据输入数据推断数据类型或直接复制输入内容。例如： import numpy as npdata = [[1, 2, 3], [2, 3, 4], [4, 5, 6]]ndarray_object = np.array(data)
通过指定形状和数据类型，可以快速创建满足需求的数组：
ndarray_object = np.ones((3, 4)) # 创建3x4的全1数组ndarray_object = np.zeros((3, 4)) # 创建3x4的全0数组
此外，asarray()函数可以将输入转换为ndarray（若输入已经是ndarray则不复制）：
import numpy as nparr = np.asarray([1, 2, 3, 4, 5])
range()的扩展版本arrange()可以返回一个ndarray：
arr = np.arange(10) # 返回[0, 1, 2, ..., 9]
2. 数据类型管理
Numpy的dtype属性决定了如何解释数组中的数据。需要注意的是，直接修改数组的数据类型是不可行的，必须使用astype()方法进行转换：
arr = np.array([1, 2, 3], dtype=np.float64)arr = arr.astype(np.int32) # 将数组转换为整数类型
3. 数组与标量的运算
Numpy支持数组间和标量间的算术运算，这些运算会自动扩展到数组的所有元素。
例如：a = np.array([1, 2, 3])b = np.array([4, 5, 6])c = a + b # 结果为[5, 7, 9]c = a * 2 # 结果为[2, 4, 6]
同时，数组与标量的运算也会自动扩展到所有元素：
a = np.array([1, 2, 3])b = 2 * a # 结果为[2, 4, 6]
当运算涉及不同大小的数组时，Numpy会自动进行广播（broadcasting）操作，确保运算可以正确进行。
4. 基本索引与切片
Numpy的数组支持灵活的索引和切片操作。
例如：a = np.array([1, 2, 3, 4, 5])b = a[1:3] # 切片结果为[2, 3]
切片操作返回一个新数组，而不是原数组的视图。若需要复制切片内容，可以使用copy()方法：
c = b[1:3].copy() # 复制切片内容
5. 数组转置与轴对换
通过reshape()方法，可以改变数组的形状。例如：
a = np.arange(15).reshape((3, 5))a
转置数组可以通过transpose()方法实现：
a = a.transpose() # 转置为(5, 3)
6. 函数与方法总览
Numpy提供了丰富的函数和方法来辅助数组操作。以下是一些常用工具：
创建数组：
ones(), zeros(), empty(), ones_like(), zeros_like() arr = np.ones((3, 4)) # 创建3x4的全1数组arr = np.empty((2, 2)) # 创建2x2的空数组
数据类型转换：
astype(), atleast_1d(), atleast_2d(), atleast_3d()数组操作：
stack(), concatenate(), diagonal(), split(), join()数组索引：
take(), drop(), item()数组变换：
ravel(), reshape(), repeat(), resize(), squeeze()数组分析：
argmax(), argmin(), argsort(), max(), min()元素操作：
choose(), compress(), cumsum(), cumprod(), sum()统计与数学运算：
mean(), std(), var(), cov()线性代数操作：
dot(), cross(), outer()7. 布尔数组操作
布尔数组的创建与处理也是Numpy的一大特点。
例如：a = np.array([1, 2, 3, 4, 5])b = a > 2 # 创建布尔数组，表示哪些元素大于2
布尔数组的运算需要使用&（与）和|（或）运算符，而非Python的and和or：
c = b & a > 3 # 结果为True表示元素大于3
8. 数组转置与轴对换
通过reshape()方法，可以改变数组的形状。例如：
a = np.arange(15).reshape((3, 5))a
转置数组可以通过transpose()方法实现：
a = a.transpose() # 转置为(5, 3)
总结
通过上述内容，可以看到Numpy在数组操作、数据类型管理、数组与标量运算等方面的强大功能。这些工具能够极大地提高数据处理效率，适用于科学计算、数据分析等领域。
转载地址：http://cvlfk.baihongyu.com/