Python数据科学利器：NumPy库详解

NumPy (Numerical Python) 是 Python 中一个用于科学计算的核心库。它提供了一个高性能的多维数组对象，以及用于处理这些数组的各种函数。NumPy 是 Pandas、SciPy 等众多数据科学库的基础，是进行数据分析、机器学习等任务的必备工具。

1. 安装 NumPy

使用 pip 可以轻松安装 NumPy：bashpip install numpy

2. 导入 NumPy

安装完成后，使用以下代码导入 NumPy 库：pythonimport numpy as np

通常使用 np 作为 NumPy 的别名，方便后续使用。

3. NumPy 数组

3.1 创建数组

使用 np.array() 函数可以创建 NumPy 数组：python# 一维数组arr1 = np.array([1, 2, 3, 4, 5])

二维数组arr2 = np.array([[1, 2, 3], [4, 5, 6]])

3.2 数组属性

• shape：返回数组的形状，例如 (2, 3) 表示二维数组，包含 2 行 3 列。* size：返回数组元素的总数。* ndim：返回数组的维度。* dtype：返回数组中元素的数据类型。pythonprint(arr2.shape) # 输出: (2, 3)print(arr2.size) # 输出: 6print(arr2.ndim) # 输出: 2

3.3 常用数组创建函数

• np.arange(start, stop, step)：创建从 start 到 stop（不包含 stop），步长为 step 的数组。* np.zeros(shape)：创建指定形状的全 0 数组。* np.ones(shape)：创建指定形状的全 1 数组。* np.linspace(start, stop, num)：创建从 start 到 stop 均匀分布的 num 个元素的数组。* np.random.rand(shape)：创建指定形状的随机数组，元素值在 0 到 1 之间。

4. 数组操作

4.1 索引和切片

NumPy 数组支持类似列表的索引和切片操作：pythonprint(arr1[0]) # 访问第一个元素print(arr2[1, 2]) # 访问第二行第三列元素print(arr1[1:4]) # 切片，获取索引 1 到 3 的元素

4.2 数组运算

NumPy 支持对数组进行各种数学运算，例如：

• 加减乘除：+, -, *, /* 幂运算：*** 比较运算：>, <, >=, <=, ==, !=pythonarr3 = arr1 + 10 # 每个元素加 10arr4 = arr2 * 2 # 每个元素乘以 2arr5 = arr1 > 3 # 判断每个元素是否大于 3

4.3 统计函数

NumPy 提供了丰富的统计函数，例如：

• np.sum(arr)：计算数组中所有元素的和。* np.mean(arr)：计算数组中所有元素的平均值。* np.max(arr)：找到数组中的最大值。* np.min(arr)：找到数组中的最小值。* np.std(arr)：计算数组的标准差。

5. 更多资源

本篇仅介绍了 NumPy 库的一小部分功能，还有许多其他强大的功能等待你去探索。

• NumPy 官方文档：https://numpy.org/doc/

希望这篇简要介绍能够帮助你入门 NumPy，并在数据科学的学习和实践中发挥作用！