python中的numpy库

1. 核心功能

• 多维数组操作：提供高效的 ndarray 对象，支持向量、矩阵、高维数组运算。
• 数学函数集成：内置三角函数、指数函数、统计函数等，如 np.sin(), np.exp(), np.mean()。
• 线性代数：支持矩阵乘法、求逆、特征值计算等（通过 np.linalg 模块）。
• 随机数生成：提供均匀分布、正态分布等随机数生成函数（如 np.random.rand()）。
• 文件读写：支持 CSV、二进制文件等数据格式的读写。

2. 常用类与方法

• 创建数组：

  1 2 3 4 5 6 7 8 9 10 11 12

  import numpy as np # 从列表创建 arr = np.array([1, 2, 3]) # 全零/全一数组 zeros = np.zeros((2, 3)) # 2行3列全零 ones = np.ones((3, 4), dtype=int) # 3行4列全一，指定数据类型 # 等差/等分数组 arange = np.arange(0, 10, 2) # [0,2,4,6,8] linspace = np.linspace(0, 1, 5) # [0.0, 0.25, 0.5, 0.75, 1.0]

• 数组属性：

  • shape：维度（如 (3, 4) 表示3行4列）。
  • dtype：数据类型（如 int32, float64）。
  • ndim：维度数（一维、二维等）。
  • size：元素总数。

• 数组操作：

  • reshape()：改变形状（如 arr.reshape(3, 4)）。
  • flatten()：展平为一维数组。
  • transpose()：转置（行列互换）。
  • concatenate()：合并数组（按行或列）。

• 数学运算：

  1 2 3 4 5 6

  a = np.array([1, 2, 3]) b = np.array([4, 5, 6]) print(a + b) # 加法 → [5,7,9] print(a * 2) # 标量乘法 → [2,4,6] print(np.dot(a, b)) # 点积 → 32

• 统计函数：

  • np.mean()：平均值。
  • np.std()：标准差。
  • np.max()/np.min()：最大值/最小值。

• 线性代数：

  1 2 3 4 5

  A = np.array([[1, 2], [3, 4]]) B = np.array([[5, 6], [7, 8]]) print(np.dot(A, B)) # 矩阵乘法 → [[19,22], [43,50]] print(np.linalg.inv(A)) # 矩阵求逆（需方阵）

• 随机数生成：

  1 2 3 4 5 6 7 8

  # 均匀分布（0-1） rand = np.random.rand(2, 3) # 正态分布 randn = np.random.randn(3, 4) # 随机整数（1-10） randint = np.random.randint(1, 11, size=(5,))

3. 使用示例

• 数组索引与切片：

  1 2 3 4

  arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) print(arr[0, 1]) # 输出第二行第一列 → 2 print(arr[1:, :2]) # 输出第二行到最后一行，前两列 → [[4,5], [7,8]]

• 广播机制：

  1 2 3

  a = np.array([1, 2, 3]) b = 2 print(a * b) # 输出 [2,4,6]（标量自动广播到每个元素）

• 文件读写：

  1 2 3 4 5

  # 保存到 CSV np.savetxt("data.csv", arr, delimiter=",") # 从 CSV 读取 loaded_arr = np.loadtxt("data.csv", delimiter=",")

4. 注意事项

• 数据类型一致性：确保数组元素类型一致，避免隐式转换错误。
• 越界访问：避免使用超出数组维度的索引（如 arr[10] 对长度为5的数组）。
• 内存管理：处理大型数组时，注意内存使用情况，避免溢出。
• 广播规则：理解不同形状数组间的运算规则（如 (3,) 与 (3,1) 的广播）。
• 文件路径：读写文件时检查路径是否存在及权限问题。

总结

• 基础操作：用 np.array() 创建数组，reshape() 调整形状，dtype 指定数据类型。
• 数学运算：直接对数组进行加减乘除，或使用 np.dot() 计算点积。
• 统计分析：用 np.mean(), np.std() 等函数快速计算统计量。
• 线性代数：通过 np.linalg 模块进行矩阵运算。
• 随机数：用 np.random 模块生成各种分布的随机数。