【基础】NumPy库基础：多维数组与数组操作

 # 2.1 多维数组的创建和操作 NumPy中的数组可以是多维的，即具有多个维度。维度数称为数组的秩。创建一个多维数组时，需要指定每个维度的长度。 ### 2.1.1 数组的创建 创建多维数组可以使用`numpy.array()`函数，并指定一个嵌套列表作为参数。例如，创建一个三维数组： ```python import numpy as np arr = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]]) print(arr) ``` 输出： ``` [[[ 1 2 3] [ 4 5 6]] [[ 7 8 9] [10 11 12]]] ``` ### 2.1.2 数组的索引和切片 与一维数组类似，多维数组也可以使用索引和切片进行访问。索引和切片操作分别使用`[]`和`[:]`。例如，获取三维数组中的一个元素： ```python print(arr[0, 1, 2]) # 输出：6 ``` 切片操作可以获取数组的一部分。例如，获取三维数组中的一个子数组： ```python print(arr[0, :, :]) # 输出：[[1 2 3] # [4 5 6]] ``` # 2. NumPy数组基础 NumPy数组是NumPy库的核心数据结构，它提供了高效地存储和操作多维数据的机制。本节将深入探讨NumPy数组的基础知识，包括创建、操作、数据类型和类型转换。 ### 2.1 多维数组的创建和操作 #### 2.1.1 数组的创建 NumPy提供了多种创建数组的方法： - **np.array()：**将Python列表、元组或其他可迭代对象转换为NumPy数组。 - **np.zeros()：**创建一个指定形状和数据类型的全零数组。 - **np.ones()：**创建一个指定形状和数据类型的全一数组。 - **np.full()：**创建一个指定形状和数据类型的数组，其中所有元素都填充为给定的值。 - **np.arange()：**创建一个指定范围内的等差数列数组。 - **np.linspace()：**创建一个指定范围内的等距数列数组。 #### 2.1.2 数组的索引和切片 NumPy数组可以通过下标和切片进行索引和切片： - **下标：**使用方括号访问数组中的单个元素或子数组。 - **切片：**使用方括号和冒号访问数组中的一组连续元素。 ```python # 创建一个二维数组 arr = np.array([[1, 2, 3], [4, 5, 6]]) # 访问单个元素 print(arr[0, 1]) # 输出：2 # 访问子数组 print(arr[0, :]) # 输出：[1 2 3] # 访问切片 print(arr[:, 1:]) # 输出：[[2 3] [5 6]] ``` #### 2.1.3 数组的广播和形状转换 **广播：**当两个形状不同的数组进行算术运算时，NumPy会自动将较小的数组广播到较大数组的形状，从而实现逐元素运算。 **形状转换：**使用reshape()方法可以改变数组的形状。 ```python # 广播示例 arr1 = np.array([1, 2, 3]) arr2 = np.array([[4], [5], [6]]) print(arr1 + arr2) # 输出：[[5 6 7] [6 7 8] [7 8 9]] # 形状转换示例 arr = np.array([1, 2, 3, 4, 5, 6]) print(arr.reshape((2, 3))) # 输出：[[1 2 3] [4 5 6]] ``` ### 2.2 数据类型和类型转换 #### 2.2.1 常见的NumPy数据类型 NumPy提供了多种数据类型，包括： - 整数类型：int8、int16、int32、int64 - 浮点数类型：float16、float32、float64 - 复数类型：complex64、complex128 - 布尔类型：bool - 字符串类型：str - 对象类型：object #### 2.2.2 数据类型转换和类型检查 可以使用astype()方法转换数组的数据类型。可以使用dtype属性检查数组的数据类型。 ```python # 数据类型转换示例 arr = np.array([1, 2, 3], dtype=np.int32) print(arr.astype(np.float32)) # 输出：[1. 2. 3.] # 数据类型检查示例 print(arr.dtype) # 输出：int32 ``` # 3.1 基本数学运算 NumPy库提供了丰富的数学运算函数，可以对数组中的元素进行各种数学运算，包括算术运算、比较运算和逻辑运算。 #### 3.1.1 算术运算 NumPy支持常见的算术运算，包括加法（+）、减法（-）、乘法（*）、除法（/）、取余（%）和幂运算（**）。这些运算符可以对数组中的元素逐个进行操作，也可以对数组和标量进行操作。 ```python import numpy as np # 创建一个数组 arr = np.array([1, 2, 3, 4, 5]) # 加法 print(arr + 2) # 输出：[3 4 5 6 7] # 减法 print(arr - 1) # 输出：[0 1 2 3 4] # 乘法 print(arr * 2) # 输出：[2 4 6 8 10] # 除法 print(arr / 2) # 输出：[0.5 1. 1.5 2. 2.5] # ```