博客

Python Numpy库常见用法入门教程

  • Post category:Python

Python NumPy库常见用法入门教程

NumPy是Python中一个重要的科学计算库，提供了高效的多维数组和各种派生及算函数。本文将详细讲解Python NumPy库的常见用法，包括创建数组、数组的基本操作、数组的数学运算、数组的统计运算、数组的条件筛选、数组的文件读写等，并提供了两个示例。

创建数组

在NumPy中，可以使用array()函数来创建数组。下面是一个示例：

import numpy as np

# 创建一个一维数组
a = np.array([1, 2, 3, 4, 5])

# 创建一个二维数组
b = np.array([[1, 2], [3, 4], [5, 6]])

# 打印
print(a)
print(b)

在上面的示例中，我们使用array()函数创建了一个一维数组a和一个二维数组b，并使用print()函数打印了结果。

数组的基本操作

在NumPy中，可以使用shape属性来获取数组的形状，使用dtype属性来获取数组的数据类型，使用size属性来获取数组的元素个数。下面是一个示例：

import numpy as np

# 创建一个二维数组
a = np.array([[1, 2], [3, 4], [5, 6]])

# 获取数组的形状
print(a.shape)

# 获取数组的数据类型
print(a.dtype)

# 获取数组的元素个数
print(a.size)

在上面的示例中，我们使用shape属性获取了二维数组a的形状，使用dtype属性获取了二维数组a的数据类型，使用size属性获取了二维数组a的元素个数，并使用print()函数打印了结果。

数组的数学运算

在NumPy中，可以对数组进行各种数学运算，包括加、减、乘、除、幂等。下面是一个示例：

import numpy as np

# 创建两个一维数组
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])

# 数组的加法
c = a + b

# 数组的减法
d = a - b

# 数组的乘法
e = a * b

# 数组的除法
f = a / b

# 数组的幂运算
g = a ** 2

# 打印结果
print(c)
print(d)
print(e)
print(f)
print(g)

在面的示例中，我们对两个一维数组a和b进行了加、减、乘、除、幂等数学运算，并使用print()函数打印了结果。

数组的统计运算

在NumPy中，可以对数组进行各种统计运算，包括求和、求平均值、求标准差、求方差等。下面是一个示例：

import numpy as np

# 创建一个一维数组
a = np.array([1, 2, 3, 4, 5])

# 求和
b = np.sum(a)

# 求平均值
c = np.mean(a)

# 求标准差
d = np.std(a)

# 求方差
e = np.var(a)

# 打印结果
print(b)
print(c)
print(d)
print(e)

在上面的示例中，我们对一维数组a进行了求和、求平均值、求标准差、求方差等统计运算，并使用print()函数打印了结果。

数组的条件筛选

在NumPy中，可以使用布尔索引和where()函数对数组进行条件筛选。下面是一个示例：

import numpy as np

# 创建一个一维数组
a = np.array([1, 2, 3, 4, 5])

# 使用布尔索引选中元素
b = a[a > 3]

# 使用where()函数筛选数组中的元素
c = np.where(a > 3)

# 打印结果
print(b)
print(c)

在上面的示例中，我们使用布尔索引和where()函数对一维数组a进行了条件筛选，并使用print()函数打印了结果。

数组的文件读写

在NumPy中，可以使用savetxt()函数和loadtxt()函数来保存和读取文本文件，使用save()函数和load()函数来保存和读取二进制文件。下面是一个示例：

import numpy as np

# 创建一个二维数组
a = np.array([[1, 2], [3, 4], [5, 6]])

# 保存数组到文本文件
np.savetxt('data.txt', a)

# 从文本中取数组
b = np.loadtxt('data.txt')

# 保存数组到二进文件
np.save('data.npy', a)

# 从二进制文件中读取数组
c = np.load('data.npy')

# 打印结果
print(b)
print(c)

在上面的示例中，我们使用savetxt()函数和loadtxt()函数保存和读取了二维数组a到文本文件data.txt中，使用save()函数和load()函数保存和读取了二维数组a到二进制文件data.npy中，并使用print()函数打印了结果。

示例一：使用NumPy库生成随机

import numpy as np

# 生成一个一维随机数组
a = np.random.rand(5)

# 生成一个二维随机数组
b = np.random.rand(3, 2)

# 打印结果
print(a)
print(b)

在上面的示例中，我们使用random.rand()函数生成了一个一维随机数组a和一个二维随机数组b，并使用print()函数打印了结果。

示例二：使用NumPy库进行矩阵运算

import numpy as np

# 创建两个二维数组
a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])

# 矩阵的加法
c = np.add(a, b)

# 矩阵的减法
d = np.subtract(a, b)

# 矩阵的乘法
e = np.dot(a, b)

# 打印结果
print(c)
print(d)
print(e)

在上面的示例中，我们对两个二维数组a和b进行了加、减、乘等矩阵运算，并使用print()函数打印了结果。

综所述，NumPy提供了丰富的数组操作和数学运算功能，包括创建数组、数组的基本操作、数组的数学运算、数组的统计运算、数组的条件筛选、数组的文件读写等。本文详细讲解了Python NumPy库的常见用法，并提供了两个示例，分别示了使用NumPy库生成随机数和使用NumPy库进行矩阵运算的方法。

Tags: