Python 第三方库：NumPy（科学计算）

NumPy（Numerical Python）是 Python 语言中用于数值计算的核心库，提供了高效的多维数组对象 ndarray，以及大量的数学函数、广播机制和线性代数操作。它是数据科学与科学计算的基石，也是许多高级库（如 pandas、scikit-learn、TensorFlow）的底层支持模块。

安装 ：

pip install numpy

常见应用场景：

（1）科学计算与矩阵运算。

（2）统计分析与数据处理。

（3）机器学习模型的数据输入处理。

（4）图像处理与信号处理。

（5）数学建模、金融计算等。

◆ ◆ ◆

核心概念

1、ndarray（N 维数组）

NumPy 的核心数据结构，支持任意维度的数组，拥有强大的向量化运算能力。

2、广播（Broadcasting）

允许不同形状的数组进行数学运算的机制，自动扩展维度对齐。

3、向量化（Vectorization）

避免使用显式循环，直接对数组执行批量操作，显著提升性能。

4、内存连续性

所有数据按类型连续存储，极大提升了计算效率与内存利用。

◆ ◆ ◆

基础用法

import numpy as np

a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
print(a + b)  # 输出：[5 7 9]

◆ ◆ ◆

应用举例

例 1：数组创建与索引

import numpy as np

a = np.array([[1, 2], [3, 4]])
print(a[0, 1])  # 输出 2

例 2：数组运算

import numpy as np

a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
print(a * b)  # 输出 [ 4 10 18]

例 3：矩阵乘法

import numpy as np

A = np.array([[1, 2], [3, 4]])
B = np.array([[2, 0], [1, 2]])
print(np.dot(A, B))

例 4：广播机制

import numpy as np

a = np.array([[1], [2], [3]])
b = np.array([10, 20])
print(a + b)
# 输出：
# [[11 21]
#  [12 22]
#  [13 23]]

例 5：使用随机数与统计

import numpy as np

x = np.random.randn(1000)
print("均值：", np.mean(x))
print("标准差：", np.std(x))

◆ ◆ ◆

常用函数速览

array(object, dtype=None)

创建一个 ndarray 数组对象。

参数：

object：类似列表或嵌套列表

dtype：指定元素类型（如 int32, float64）

返回：ndarray 对象

arange(start, stop, step)

返回一个等差数列的一维数组（不包含 stop）。

参数：起始值、终止值、步长

返回：ndarray

astype(dtype)

转换数组中元素的数据类型。

参数：目标数据类型

返回：转换后的 ndarray

dot(a, b)

矩阵乘法或向量点积。

参数：数组 a 和 b

返回：矩阵或数值结果

linspace(start, stop, num)

创建等间距的一维数组。

参数：起点、终点、数量

返回：ndarray

mean(a)

求数组的平均值。

参数：数组 a

返回：数值结果

reshape(shape)

重塑数组的形状（不改变数据）。

参数：新形状（如 (2, 3)）

返回：新的 ndarray

shape

获取数组维度结构。

参数：无

返回：元组形式的形状，如 (3, 4)

sum(axis=None)

对数组元素求和。

参数：axis 指定按行或列求和

返回：数值或数组

zeros(shape)

创建所有元素为 0 的数组。

参数：数组形状

返回：ndarray

ones(shape)

创建所有元素为 1 的数组。

参数：数组形状

返回：ndarray

eye(n)

创建单位矩阵。

参数：维度 n

返回：ndarray

random.rand(d0, d1, ...)

生成 [0,1) 间的均匀分布随机数。

参数：各维度大小

返回：ndarray

random.randn(d0, d1, ...)

生成标准正态分布随机数。

参数：各维度大小

返回：ndarray

transpose()

对数组进行转置操作。

参数：可选维度索引

返回：转置后的数组

◆ ◆ ◆

补充说明

1、NumPy 是数据科学的底层基础库，掌握它是学习 pandas、scikit-learn 等的重要前提。

2、它支持 C 语言级别的性能，能对大型数据批量处理。

3、在处理大规模数据时，推荐使用 ndarray 代替原生 Python 列表。

4、配合 Jupyter Notebook 可实现高效的数据探索与可视化。

“点赞有美意，赞赏是鼓励”