AI编程网

2024-08-08发表2024-08-10更新数据分析 / NumPy6 分钟读完 (大约867个字)

7 NumPy一维数组基础教程

NumPy是Python中用于数值计算的基本库。在众多功能中，一维数组是最简单且最常用的结构。本文将详细介绍如何创建、操作和使用NumPy的一维数组。

什么是一维数组？

在NumPy中，一维数组是一个数据的线性序列，可以包含任何数据类型，如整型、浮点型或者字符串等。它是数组的基本形式，可以看作是一个列表的高级版本。

创建一维数组

使用`numpy.array()`

最常用的创建一维数组的方法是使用numpy.array()。下面是一个简单的示例：

import numpy as np

# 创建一个一维数组
arr = np.array([1, 2, 3, 4, 5])
print(arr)  # 输出：[1 2 3 4 5]

使用`numpy.arange()`

numpy.arange()可以生成一个固定间隔的一维数组。它类似于Python内置的range()函数。

1
2
3

# 创建一个从0到9的数组
arr = np.arange(10)
print(arr)  # 输出：[0 1 2 3 4 5 6 7 8 9]

我们也可以指定步长：

1
2
3

# 创建步长为2的数组
arr = np.arange(0, 10, 2)
print(arr)  # 输出：[0 2 4 6 8]

使用`numpy.linspace()`

numpy.linspace()可以生成指定范围内的均匀分布的数字。对于一些应用场景，它非常有用。

1
2
3

# 创建一个包含5个元素的数组，从0到1均匀分布
arr = np.linspace(0, 1, 5)
print(arr)  # 输出：[0.   0.25 0.5  0.75 1.  ]

数组基本操作

获取数组的属性

一维数组的属性如形状和数据类型可以通过属性访问：

1
2
3

arr = np.array([1, 2, 3, 4, 5])
print(arr.shape)  # 输出：(5,)
print(arr.dtype)  # 输出：int64

数组切片

与Python中的列表类似，NumPy数组也可以进行切片操作：

arr = np.array([10, 20, 30, 40, 50])

# 获取前3个元素
print(arr[:3])  # 输出：[10 20 30]

# 获取最后2个元素
print(arr[-2:])  # 输出：[40 50]

数组运算

NumPy的一维数组支持各种数学运算，这使得数据处理变得非常方便。例如：

arr = np.array([1, 2, 3])

# 数组加法
print(arr + 5)  # 输出：[6 7 8]

# 数组乘法
print(arr * 2)  # 输出：[2 4 6]

数组的聚合函数

你可以使用NumPy提供的聚合函数轻松计算数组的和值、均值、最大值等：

arr = np.array([1, 2, 3, 4, 5])

# 求和
print(np.sum(arr))  # 输出：15

# 计算均值
print(np.mean(arr))  # 输出：3.0

# 查找最大值
print(np.max(arr))   # 输出：5

案例：应用一维数组进行数据分析

假设我们有一组数据，表示一周内每一天的销量，我们可以使用一维数组来进行基本的数据分析和处理。

# 创建一周销量的数组
sales = np.array([200, 300, 250, 400, 500, 450, 380])

# 计算总销量
total_sales = np.sum(sales)
print(f"总销量: {total_sales}")

# 计算平均销量
average_sales = np.mean(sales)
print(f"平均销量: {average_sales}")

# 找到销量最高的那一天
max_sales = np.max(sales)
day_of_max_sales = np.argmax(sales)  # 返回索引
print(f"最高销量: {max_sales}, 出现于第{day_of_max_sales + 1}天")

该案例展示了如何利用一维数组进行简单的数据处理与分析。通过NumPy的一维数组，我们能够轻松完成大量的数值计算任务。

结语

学习一维数组是掌握NumPy的基础，理解其创建和操作的方法能够帮助你更有效地进行数据分析、科学计算及机器学习等任务。希望本文能帮助你快速入门NumPy的一维数组！

2024-08-08发表2024-08-10更新数据分析 / NumPy5 分钟读完 (大约686个字)

8 NumPy 二维数组详解

NumPy 是 Python 中一个强大的数值计算库，提供了高效的多维数组对象 ndarray。在这一小节中，我们将深入了解如何使用 NumPy 创建和操作二维数组。

创建二维数组

在 NumPy 中，可以通过多种方式创建二维数组。其中最常见的方法是使用 np.array() 函数和 np.arange()、np.zeros()、np.ones() 函数。

1. 使用 `np.array()`

我们可以通过传递一个嵌套的列表来创建一个二维数组：

import numpy as np

# 创建一个二维数组
array_2d = np.array([[1, 2, 3], [4, 5, 6]])
print(array_2d)

输出：

1 2	[[1 2 3] [4 5 6]]

2. 使用 `np.zeros()`

np.zeros() 函数可以创建一个指定形状的数组，所有元素初始化为 0：

1
2
3

# 创建一个 3x3 的零数组
zeros_array = np.zeros((3, 3))
print(zeros_array)

输出：

1
2
3

[[0. 0. 0.]
 [0. 0. 0.]
 [0. 0. 0.]]

3. 使用 `np.ones()`

同样，np.ones() 用于创建一个所有元素初始化为 1 的数组：

1
2
3

# 创建一个 2x4 的单位数组
ones_array = np.ones((2, 4))
print(ones_array)

输出：

1 2	[[1. 1. 1. 1.] [1. 1. 1. 1.]]

4. 使用 `np.arange()` 和 `np.reshape()`

我们可以使用 np.arange() 创建一维数组，然后通过 reshape() 方法将其转换为二维数组：

# 创建一个包含 12 个元素的一维数组，并重塑为 3x4 的二维数组
arr = np.arange(12)
reshaped_array = arr.reshape((3, 4))
print(reshaped_array)

输出：

1
2
3

[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]

访问和修改二维数组元素

二维数组的元素可以通过索引进行访问和修改，访问方式为 array[row, column]。

访问元素

1
2
3

# 访问数组的特定元素
element = reshaped_array[1, 2]  # 访问第2行第3列的元素
print(element)  # 输出 6

修改元素

1
2
3

# 修改指定元素的值
reshaped_array[1, 2] = 99
print(reshaped_array)

输出：

1
2
3

[[ 0  1  2  3]
 [ 4  5 99  7]
 [ 8  9 10 11]]

数组的切片操作

NumPy 中的切片操作类似于 Python 列表的切片。我们可以提取行、列或子数组。

提取行和列

# 提取第 1 行
first_row = reshaped_array[0, :]
print(first_row)  # 输出第一行

# 提取第 2 列
second_column = reshaped_array[:, 1]
print(second_column)  # 输出第二列

提取子数组

1
2
3

# 提取 2x2 的子数组
sub_array = reshaped_array[1:3, 1:3]
print(sub_array)

输出：

1 2	[[ 5 99] [ 9 10]]

数组的数学运算

NumPy 的强大之处在于它能够高效地进行数组运算，包括加法、乘法等。

1
2
3

# 数组加法
added_array = reshaped_array + 10
print(added_array)

输出：

1
2
3

[[10 11 12 13]
 [14 15 109 17]
 [18 19 20 21]]

总结

在这一节中，我们学习了如何创建和操作 NumPy 的二维数组。通过实际案例，我们掌握了如何使用不同的方法创建数组、访问和修改元素、进行切片操作以及进行基本的数学运算。NumPy 的灵活性和高效性使其成为科学计算的基础工具之一。

2024-08-08发表2024-08-10更新数据分析 / NumPy5 分钟读完 (大约734个字)

9 NumPy 多维数组入门

NumPy 是 Python 的一个强大库，用于科学计算，其核心特性之一是支持多维数组。本文将详细介绍如何创建和操作 NumPy 的多维数组。

创建多维数组

NumPy 提供了多种方法来创建多维数组。这里我们介绍几种常用的方法。

通过列表创建多维数组

可以直接通过嵌套的 Python 列表创建多维数组。例如：

import numpy as np

# 创建一个 2x3 的二维数组
array_2d = np.array([[1, 2, 3], [4, 5, 6]])
print(array_2d)

输出结果为：

1 2	[[1 2 3] [4 5 6]]

使用 `zeros` 创建数组

zeros 函数可以创建一个指定形状的数组，数组的元素初始值为 0：

1
2
3

# 创建一个 3x3 的二维数组，元素全为 0
array_zeros = np.zeros((3, 3))
print(array_zeros)

输出结果为：

1
2
3

[[0. 0. 0.]
 [0. 0. 0.]
 [0. 0. 0.]]

使用 `ones` 创建数组

与 zeros 类似，ones 函数创建一个全部为 1 的数组：

1
2
3

# 创建一个 2x4 的二维数组，元素全为 1
array_ones = np.ones((2, 4))
print(array_ones)

输出结果为：

1 2	[[1. 1. 1. 1.] [1. 1. 1. 1.]]

使用 `arange` 创建数组

arange 函数可以创建一个包含指定范围内的元素的一维数组，可以配合 reshape 方法转换为多维数组：

1
2
3

# 从 0 到 11 创建一维数组，并转换为 3x4 的二维数组
array_arange = np.arange(12).reshape((3, 4))
print(array_arange)

输出结果为：

1
2
3

[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]

多维数组的操作

访问和切片

多维数组的访问与切片与 Python 列表相似。通过下标来访问特定元素：

1 2	# 访问数组中的特定元素 print(array_2d[0, 1]) # 输出 2

可以使用切片获取数组中的一部分：

1 2	# 获取前两行 print(array_arange[0:2, :])

输出结果为：

1 2	[[0 1 2 3] [4 5 6 7]]

数组的形状

可以使用 shape 属性获取数组的形状，用 reshape 方法修改数组的形状：

# 查看数组的形状
print(array_arange.shape)  # 输出 (3, 4)

# 重新调整数组形状
reshaped_array = array_arange.reshape((4, 3))
print(reshaped_array)

输出结果为：

[[ 0  1  2]
 [ 3  4  5]
 [ 6  7  8]
 [ 9 10 11]]

数组的运算

NumPy 支持对多维数组进行各种运算，例如加法、乘法等：

# 创建两个数组进行运算
array_a = np.array([[1, 2], [3, 4]])
array_b = np.array([[5, 6], [7, 8]])

# 数组相加
added_array = array_a + array_b
print(added_array)

输出结果为：

1 2	[[ 6 8] [10 12]]

广播机制

NumPy 的广播机制允许不同形状的数组进行运算。例如，可以将一个标量值加到多维数组上的每个元素中：

1
2
3

# 标量加法
result = array_a + 10
print(result)

输出结果为：

1 2	[[11 12] [13 14]]

总结

本文简单介绍了 NumPy 中多维数组的创建和基本操作，包括访问、切片、形状和运算。掌握这些基础知识后，你就可以开始利用 NumPy 进行更复杂的科学计算和数据分析了。继续探索 NumPy 的高级特性，更好地利用这个强大的库吧！

什么是一维数组？

创建一维数组

使用`numpy.array()`

使用`numpy.arange()`

使用`numpy.linspace()`

数组基本操作

获取数组的属性

数组切片

数组运算

数组的聚合函数

案例：应用一维数组进行数据分析

结语

创建二维数组

1. 使用 `np.array()`

2. 使用 `np.zeros()`

3. 使用 `np.ones()`

4. 使用 `np.arange()` 和 `np.reshape()`

访问和修改二维数组元素

访问元素

修改元素

数组的切片操作

提取行和列

提取子数组

数组的数学运算

总结

创建多维数组

通过列表创建多维数组

使用 `zeros` 创建数组

使用 `ones` 创建数组

使用 `arange` 创建数组

多维数组的操作

访问和切片

数组的形状

数组的运算

广播机制

总结

链接

分类

最新文章

标签

什么是一维数组？

创建一维数组

使用numpy.array()

使用numpy.arange()

使用numpy.linspace()

数组基本操作

获取数组的属性

数组切片

数组运算

数组的聚合函数

案例：应用一维数组进行数据分析

结语

创建二维数组

1. 使用 np.array()

2. 使用 np.zeros()

3. 使用 np.ones()

4. 使用 np.arange() 和 np.reshape()

访问和修改二维数组元素

访问元素

修改元素

数组的切片操作

提取行和列

提取子数组

数组的数学运算

总结

创建多维数组

通过列表创建多维数组

使用 zeros 创建数组

使用 ones 创建数组

使用 arange 创建数组

多维数组的操作

访问和切片

数组的形状

数组的运算

广播机制

总结

链接

分类

最新文章

标签

使用`numpy.array()`

使用`numpy.arange()`

使用`numpy.linspace()`

1. 使用 `np.array()`

2. 使用 `np.zeros()`

3. 使用 `np.ones()`

4. 使用 `np.arange()` 和 `np.reshape()`

使用 `zeros` 创建数组

使用 `ones` 创建数组

使用 `arange` 创建数组