【基础】探索NumPy：多维数组与基本操作

 # 2.1 数组的创建和初始化 NumPy 数组是存储同类型数据的集合。它们提供了高效的数据处理和操作功能。NumPy 提供了多种创建和初始化数组的方法。 ### 2.1.1 使用内置函数创建数组 NumPy 提供了几个内置函数来创建数组，包括： - `np.array()`：从列表、元组或其他可迭代对象创建数组。 - `np.zeros()`：创建指定形状的数组，所有元素都初始化为 0。 - `np.ones()`：创建指定形状的数组，所有元素都初始化为 1。 - `np.full()`：创建指定形状的数组，所有元素都初始化为给定的值。 例如，创建一个包含数字 1 到 10 的数组： ```python import numpy as np arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10]) ``` # 2. NumPy数组基础 NumPy数组是NumPy库的核心数据结构，它是一种多维数组，可以存储各种类型的数据。本章节将介绍NumPy数组的创建、初始化、属性和操作。 ### 2.1 数组的创建和初始化 #### 2.1.1 使用内置函数创建数组 NumPy提供了多种内置函数来创建数组，包括： - `np.array()`：将现有数据转换为NumPy数组。 - `np.zeros()`：创建指定形状和数据类型的全零数组。 - `np.ones()`：创建指定形状和数据类型的全一数组。 - `np.empty()`：创建指定形状和数据类型的空数组，不进行初始化。 - `np.arange()`：创建指定范围内的等差数列数组。 - `np.linspace()`：创建指定范围内的等间隔数列数组。 ```python # 创建一个包含[1, 2, 3]的数组 arr = np.array([1, 2, 3]) # 创建一个5行3列的全零数组 zeros_arr = np.zeros((5, 3)) # 创建一个4行4列的全一数组 ones_arr = np.ones((4, 4)) # 创建一个5行3列的空数组 empty_arr = np.empty((5, 3)) # 创建一个范围为[0, 10)的等差数列数组 arange_arr = np.arange(0, 10) # 创建一个范围为[0, 1]，间隔为0.1的等间隔数列数组 linspace_arr = np.linspace(0, 1, 11) ``` #### 2.1.2 从现有数据创建数组 NumPy数组也可以从现有数据创建，例如列表、元组和字典。 ```python # 从列表创建数组 list_arr = np.array([[1, 2, 3], [4, 5, 6]]) # 从元组创建数组 tuple_arr = np.array(((1, 2, 3), (4, 5, 6))) # 从字典创建数组 dict_arr = np.array({ 'a': [1, 2, 3], 'b': [4, 5, 6] }) ``` ### 2.2 数组的属性和操作 #### 2.2.1 数组的维度、形状和大小 数组的维度是指数组中嵌套数组的层数。数组的形状是一个元组，表示每个维度中的元素数量。数组的大小是数组中元素的总数量。 ```python # 获取数组的维度 print(arr.ndim) # 输出：1 # 获取数组的形状 print(arr.shape) # 输出：(3,) # 获取数组的大小 print(arr.size) # 输出：3 ``` #### 2.2.2 数组的切片、索引和广播 NumPy提供了多种方法来访问和修改数组中的元素，包括切片、索引和广播。 **切片** 切片允许我们提取数组的一部分。语法为：`arr[start:end:step]`，其中`start`是起始索引，`end`是结束索引（不包括在内），`step`是步长。 ```python # 提取数组中的前两个元素 print(arr[:2]) # 输出：[1, 2] # 提取数组中的奇数索引元素 print(arr[1::2]) # 输出：[2] # 提取数组中的所有元素，步长为2 print(arr[::2]) # 输出：[1, 3] ``` **索引** 索引允许我们使用整数索引访问数组中的特定元素。语法为：`arr[index]`。 ```python # 获取数组中的第一个元素 print(arr[0]) # 输出：1 # 获取数组中的最后一个元素 print(arr[-1]) # 输出：3 ``` **广播** 广播是一种在不同形状的数组之间执行算术运算的机制。当数组的形状不匹配时，NumPy会自动扩展较小的数组，使其与较大的数组具有相同的形状。 ```python # 广播一个标量与一个数组 scalar = 2 print(scalar + arr) # 输出：[3, 4, 5] ``` # 3. NumPy数组操作 ### 3.1 算术运算 NumPy支持广泛的算术运算，包括基本算术运算和数组广播。 #### 3.1.1 基本算术运算 NumPy支持以下基本算术运算： - 加法（+）：将两个数组中的相应元素相加。 - 减法（-）：从第一个数组中减去第二个数组中的相应元素。 - 乘法（*）：将两个数组中的相应元素相乘。 - 除法（/）：将第一个数组中的相应元素除以第二个数组中的相应元素。 - 取余（%）：返回第一个数组中相应元素除以第二个数组中相应元素的余数。 - 幂运算（**）：将第一个数组中的相应元素提升到第二个数组中相应元素的幂。 ```python import numpy as np # 创建两个数组 arr1 = np.array([1, 2, 3]) arr2 = np.array([ ```