柚子快報(bào)邀請(qǐng)碼778899分享：NumPy零基礎(chǔ)快速入門及實(shí)例

http://yzkb.51969.com/

NumPy 零基礎(chǔ)快速入門及實(shí)例

NumPy（Numerical Python）是 Python 進(jìn)行 科學(xué)計(jì)算 和 數(shù)據(jù)處理 的核心庫(kù)。它提供了 高效的多維數(shù)組（ndarray），并支持 矩陣運(yùn)算、線性代數(shù)、統(tǒng)計(jì)分析、隨機(jī)數(shù)生成 等操作，是數(shù)據(jù)科學(xué)、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的基礎(chǔ)工具。

本教程適合 零基礎(chǔ)學(xué)習(xí) NumPy，涵蓋：

NumPy 的安裝與基本操作

ndarray 數(shù)組的創(chuàng)建與操作

數(shù)組索引、切片與變形

數(shù)組運(yùn)算（數(shù)學(xué)、統(tǒng)計(jì)、線性代數(shù)）

NumPy 高級(jí)技巧與應(yīng)用實(shí)例

1. NumPy 安裝

如果你的 Python 還沒有安裝 NumPy，可以使用 pip 進(jìn)行安裝：

pip install numpy

然后在 Python 中導(dǎo)入：

import numpy as np

2. NumPy 基本數(shù)據(jù)結(jié)構(gòu)：ndarray

NumPy 的核心數(shù)據(jù)結(jié)構(gòu)是 ndarray（N-dimensional Array，多維數(shù)組），它比 Python 的列表（list）更高效，占用更少的內(nèi)存，并支持向量化計(jì)算。

2.1 創(chuàng)建 ndarray 數(shù)組

（1）從 Python 列表創(chuàng)建

import numpy as np

# 創(chuàng)建一維數(shù)組

arr1 = np.array([1, 2, 3, 4, 5])

print(arr1)

# 創(chuàng)建二維數(shù)組

arr2 = np.array([[1, 2, 3], [4, 5, 6]])

print(arr2)

（2）使用 NumPy 內(nèi)置函數(shù)創(chuàng)建

# 創(chuàng)建全零數(shù)組

zeros_arr = np.zeros((3, 3)) # 3x3 矩陣

print(zeros_arr)

# 創(chuàng)建全一數(shù)組

ones_arr = np.ones((2, 4)) # 2x4 矩陣

print(ones_arr)

# 創(chuàng)建指定數(shù)值的數(shù)組

full_arr = np.full((2, 3), 7) # 2x3 矩陣，每個(gè)元素都是 7

print(full_arr)

# 創(chuàng)建等差數(shù)組（類似 range）

range_arr = np.arange(0, 10, 2) # [0, 2, 4, 6, 8]

print(range_arr)

# 創(chuàng)建等間隔數(shù)組

linspace_arr = np.linspace(0, 1, 5) # 生成 5 個(gè)均勻分布的數(shù)值

print(linspace_arr)

# 創(chuàng)建隨機(jī)數(shù)組

random_arr = np.random.rand(3, 3) # 3x3 矩陣，每個(gè)元素是 [0,1) 之間的隨機(jī)數(shù)

print(random_arr)

3. ndarray 的屬性

arr = np.array([[1, 2, 3], [4, 5, 6]])

print(arr.shape) # 矩陣形狀 (2, 3)

print(arr.ndim) # 維度數(shù)目 2

print(arr.size) # 元素總個(gè)數(shù) 6

print(arr.dtype) # 數(shù)據(jù)類型 int64

print(arr.itemsize) # 單個(gè)元素所占字節(jié)

4. NumPy 數(shù)組索引與切片

4.1 一維數(shù)組索引

arr = np.array([10, 20, 30, 40, 50])

print(arr[0]) # 訪問(wèn)第一個(gè)元素 10

print(arr[-1]) # 訪問(wèn)最后一個(gè)元素 50

4.2 多維數(shù)組索引

arr = np.array([[1, 2, 3], [4, 5, 6]])

print(arr[0, 1]) # 第一行第二列的元素 2

print(arr[1, :]) # 訪問(wèn)第二行 [4, 5, 6]

print(arr[:, 2]) # 訪問(wèn)第三列 [3, 6]

4.3 切片

arr = np.array([10, 20, 30, 40, 50])

print(arr[1:4]) # [20, 30, 40]

print(arr[:3]) # [10, 20, 30]

print(arr[::2]) # [10, 30, 50]（步長(zhǎng)為 2）

5. 數(shù)組變形與合并

5.1 數(shù)組變形

arr = np.array([[1, 2, 3], [4, 5, 6]])

# 變?yōu)?3x2 形狀

reshaped_arr = arr.reshape(3, 2)

print(reshaped_arr)

# 展平數(shù)組

flattened_arr = arr.flatten()

print(flattened_arr) # [1 2 3 4 5 6]

5.2 數(shù)組合并

arr1 = np.array([[1, 2], [3, 4]])

arr2 = np.array([[5, 6], [7, 8]])

# 垂直合并

vstack_arr = np.vstack((arr1, arr2))

print(vstack_arr)

# 水平合并

hstack_arr = np.hstack((arr1, arr2))

print(hstack_arr)

6. 數(shù)組運(yùn)算

6.1 數(shù)學(xué)運(yùn)算

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

print(arr + 10) # [11 12 13 14]

print(ar

柚子快報(bào)邀請(qǐng)碼778899分享：NumPy零基礎(chǔ)快速入門及實(shí)例

http://yzkb.51969.com/