NumPy 基本介绍
2025-10-30
什么是 NumPy？
NumPy（Numerical Python 的缩写）是一个用于科学计算的开源 Python 库。它提供了支持大型多维数组和矩阵的高性能数据结构，以及大量用于操作这些数组的数学函数。NumPy 是数据科学、机器学习和数值分析等领域的基础工具之一。
安装
pip install numpy
# or
pip3 install numpy多维数组
NumPy 提供的主要数据结构是 ndarray（N-Dimensional Array），它是一个多维数组对象：
import numpy as np
a = np.array([[1, 2, 3], [4, 5, 6]])
print(a)
'''
输出：
[[1 2 3]
[4 5 6]]
'''
print(a.shape) # 输出数组的形状 (2, 3)
print(a.ndim) # 输出数组的维度 2
print(a.dtype) # 输出数组的数据类型 int64快速生成数据
np.zeros((2, 3)) # 创建一个 2x3 的零矩阵
np.ones((3, 4)) # 创建一个 3x4 的全一矩阵
np.arange(0, 10, 2) # 创建一个从 0 到 10，步长为 2 的数组
np.linspace(0, 1, 5) # 创建一个从 0 到 1 的等间隔数组，共 5 个元素
np.random.rand(2, 3) # 创建一个 2x3 的随机数组，元素在 [0, 1) 之间数据类型
NumPy 默认使用 float64 作为浮点数的数据类型，因此在上例中，np.zeros((2, 3)) 创建的数组元素类型为 float64：
[[0. 0. 0.]
[0. 0. 0.]]可以通过 dtype 参数指定其他数据类型：
np.zeros((2, 3), dtype=int) # 创建一个 2x3 的整数零矩阵索引和切片
NumPy 支持类似于 Python 列表的索引和切片操作：
a = np.array([[1, 2, 3], [4, 5, 6]])
print(a[0, 1]) # 输出 2（等同于 a[0][1] ）
print(a[:, 1]) # 输出第二列 [2 5]
print(a[:, :2]) # 输出 [[1 2]
# [4 5]]第 3-4 行这样的操作称为 broadcasting（广播），可以方便地对数组进行切片和索引。
以第 3 行为例，具体而言，: 表示选择该维度的所有元素，而 1 则表示选择该维度的第 1 个索引位置的元素（注意索引从 0 开始）。因此，a[:, 1] 表示选择数组 a 的所有行的第 1 列。
关于 [:, 1] 语法的说明
通过类似下面这样的语法，我们可以无限扩展切片操作：
class MyMatrix:
def __init__(self, data):
self.data = data
def __getitem__(self, idx):
rows, col = idx
print(rows) # 输出 slice(None, None, None)
print(col) # 输出 1
return [row[col] for row in self.data[rows]]
m = MyMatrix([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(m[:, 1]) # 输出 [2, 5, 8]数据统计
NumPy 提供了丰富的统计函数：
a = np.array([1, 2, 3, 4, 5, 6])
print(np.sum(a)) # 输出所有元素的和 21
print(np.mean(a)) # 输出平均值 3.5
print(np.median(a)) # 输出中位数 3.5
print(np.std(a)) # 输出标准差 1.707825127659933数学运算
NumPy 支持对数组进行元素级的数学运算：
a = np.array([1, 2, 3])
print(a * 2) # 输出 [2 4 6]
b = np.array([4, 5, 6])
print(a + b) # 输出 [5 7 9]
print(a * b) # 输出 [ 4 10 18]更进一步，NumPy 还支持矩阵运算：
A = np.array([[1, 2], [3, 4]])
B = np.array([[5, 6], [7, 8]])
print(np.dot(A, B))输出是什么我也没学过……