python第三方库【numpy.array】的使用（超详细）

NumPy 是 Python 中用于科学计算的基础库之一，它提供了高性能的多维数组对象以及这些数组的操作。NumPy 的核心数据结构是 ndarray（N-dimensional array，N维数组），它提供了一种高效的存储和操作大型多维数组的方法。以下是几种 NumPy 数组（array）的常见使用方式：

1. 创建数组

• 使用 numpy.array()：从已有的 Python 列表（或任何类似数组的对象）创建数组。

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

• 使用 numpy.zeros(), numpy.ones(), numpy.empty()：创建具有指定形状和类型的新数组，分别初始化为全零、全一或未初始化的随机值。

  zeros = np.zeros((2, 3))  # 创建一个2x3的零数组
  ones = np.ones((2, 3))    # 创建一个2x3的一数组
  empty = np.empty((2, 3))  # 创建一个2x3的未初始化数组
  

• 使用 numpy.arange(), numpy.linspace()：创建等差数列或等间距数列。

  arange = np.arange(0, 10, 2)  # 从0到10（不包括10），步长为2的数组
  linspace = np.linspace(0, 10, 5)  # 从0到10，生成5个等间距的数
  

2. 数组的基本操作

• 索引和切片：NumPy 数组支持 Python 的索引和切片操作。

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

• 广播（Broadcasting）：NumPy 允许数组之间进行逐元素操作，即使它们的形状不完全相同，这通过广播机制实现。

  a = np.array([[1, 2], [3, 4]])
  b = np.array([10, 20])
  print(a + b)  # 广播机制使得 b 被扩展为 [[10, 20], [10, 20]]，然后执行逐元素加法
  

• 数组重塑（Reshaping）：改变数组的形状而不改变其数据。

  arr = np.array([1, 2, 3, 4, 5, 6])
  reshaped_arr = arr.reshape((2, 3))  # 创建一个2x3的数组
  

3. 数组的数学和统计函数

NumPy 提供了大量的数学函数，用于数组上的元素级操作，如 np.sin(), np.cos(), np.exp() 等。此外，还有统计函数如 np.mean(), np.std(), np.sum() 等，用于计算数组的统计量。

arr = np.array([1, 2, 3, 4, 5])
print(np.mean(arr))  # 输出平均值
print(np.std(arr))   # 输出标准差

4. 数组的组合

• 水平堆叠（np.hstack()）和垂直堆叠（np.vstack()）：将多个数组沿指定的轴堆叠起来。

  a = np.array([1, 2, 3])
  b = np.array([4, 5, 6])
  print(np.hstack((a, b)))  # [1 2 3 4 5 6]
  print(np.vstack((a, b)))  # [[1 2 3]
                            #  [4 5 6]]
  

• 列堆叠（np.column_stack()）和行堆叠（np.row_stack()）：与 hstack 和 vstack 类似，但主要用于二维数组。