NumPy入门：从基础数组操作到高级运算

# NumPy入门：从基础数组操作到高级运算 ## 1. 引言 NumPy，即“Numerical Python”，是用于数值操作的Python库，在Python机器学习生态系统中占据核心地位，几乎所有Python库都依赖它进行数值运算，如Pandas、Scikit - Learn和TensorFlow。 ### 1.1 安装与导入 - **安装**：如果使用Anaconda，NumPy已预装；若未使用，可通过`pip install numpy`进行安装。 - **导入**：在Jupyter Notebook中创建名为“appendix - c - numpy”的新笔记本，在第一个单元格中输入`import numpy as np`，使用`np`作为别名方便后续使用。 ## 2. NumPy数组 ### 2.1 创建数组 NumPy数组与Python列表类似，但更适合机器学习等数值计算任务。以下是几种创建数组的方法： - **`np.zeros`**：创建指定大小的全零数组，如`zeros = np.zeros(10)`创建一个包含十个零元素的数组。 - **`np.ones`**：创建指定大小的全一数组，如`ones = np.ones(10)`。 - **`np.full`**：创建指定大小并填充指定元素的数组，如`array = np.full(10, 0.0)`创建一个大小为10且元素全为0.0的数组。 - **`np.repeat`**：可重复元素创建数组，功能更强大。例如： - `array = np.repeat(0.0, 10)`与`np.full(10, 0.0)`效果相同。 - `array = np.repeat([0.0, 1.0], 5)`创建一个大小为10的数组，前5个元素为0.0，后5个元素为1.0。 - `array = np.repeat([0.0, 1.0], [2, 3])`创建一个数组，0.0重复2次，1.0重复3次，结果为`array([0., 0., 1., 1., 1.])`。 - **`np.array`**：将Python列表转换为NumPy数组，如`elements = [1, 2, 3, 4]; array = np.array(elements)`。 - **`np.arange`**：类似Python的`range`函数，如`np.arange(10)`创建一个包含0到9的数组。 - **`np.linspace`**：创建指定范围内指定数量的等间距数组，如`thresholds = np.linspace(0, 1, 11)`创建一个包含从0到1的11个等间距数字的数组。 ### 2.2 数据类型（dtypes） NumPy数组的所有元素必须具有相同的数据类型，主要分为以下四大类： | 数据类型类别 | 具体类型 | 说明 | | --- | --- | --- | | 无符号整数（uint） | uint8, uint16, uint32, uint64 | 始终为正（或零）的整数，位数越多可存储的数字越大 | | 有符号整数（int） | int8, int16, int32, int64 | 可正可负的整数 | | 浮点数（float） | float16, float32, float64 | 实数，位数越多精度越高，机器学习中float32通常足够 | | 布尔值（bool） | | 只有True和False值 | 创建数组时可指定数据类型，如`zeros = np.zeros(10, dtype=np.uint8)`。若赋值超出范围，只保留最低有效位，例如对`uint8`类型数组赋值300，实际存储为44。 ### 2.3 访问和修改数组元素 - **访问单个元素**：使用方括号，如`el = array[1]`。 - **访问多个元素**：使用索引列表，如`print(array[[4, 2, 0]])`。 - **修改元素**：使用方括号和赋值运算符，如`array[1] = 1`。 ### 2.4 数组迭代 可使用`for`循环迭代数组元素，如： ```python for i in np.arange(5): print(i) ``` 输出结果为： ``` 0 1 2 3 4 ``` ### 2.5 二维NumPy数组 在机器学习中，除了一维数组（向量），还常需要二维数组（矩阵）。 - **创建二维零数组**：使用元组指定形状，如`zeros = np.zeros((5, 2), dtype=np.float32)`创建一个5行2列的全零数组。 - **将列表转换为二维数组**：使用`np.array`，如： ```python numbers = [ [1, 2, 3], [4, 5, 6], [7, 8, 9] ] numbers = np.array(numbers) ``` 此时`numbers`是一个形状为(3, 3)的二维数组。 - **访问二维数组元素**：使用两个索引，如`print(numbers[0, 1])`访问第0行第1列的元素。 - **访问行和列**： - 访问整行：`numbers[0]`返回第0行的一维数组。 - 访问整列：`numbers[:, 1]`返回第1列的一维数组。 - **修改行