python科学计算:NumPy 基础操作

2024-09-06 02:52

本文主要是介绍python科学计算:NumPy 基础操作,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

1 创建数组(ndarray)

NumPy 的核心对象是 ndarray,它是一个多维数组,用于存储同质数据(即所有元素的类型相同)。我们可以通过多种方式创建数组,以下是一些常见的方法:

1.1 使用 array() 函数

array() 函数是创建 NumPy 数组的基本方法。可以通过传入一个 Python 列表或嵌套列表来创建数组。

import numpy as np# 创建一维数组
arr1 = np.array([1, 2, 3, 4, 5])# 创建二维数组
arr2 = np.array([[1, 2, 3], [4, 5, 6]])print("一维数组:", arr1)
print("二维数组:\n", arr2)
1.2 使用 zeros()ones() 函数

如果需要创建全为 0 或全为 1 的数组,可以使用 zeros()ones() 函数。这在初始化矩阵或占位符时非常有用。

# 创建一个 3x3 的全零矩阵
zero_matrix = np.zeros((3, 3))# 创建一个 2x4 的全一矩阵
one_matrix = np.ones((2, 4))print("全零矩阵:\n", zero_matrix)
print("全一矩阵:\n", one_matrix)
1.3 使用 arange()linspace() 函数

arange()linspace() 用于创建包含等间隔元素的数组。arange() 类似于 Python 的 range() 函数,而 linspace() 则根据指定的起止范围生成一定数量的元素。

# 使用 arange() 创建数组,步长为 1
arr_range = np.arange(0, 10, 1)# 使用 linspace() 创建数组,包含 5 个等间距的数
arr_linspace = np.linspace(0, 1, 5)print("arange 数组:", arr_range)
print("linspace 数组:", arr_linspace)
1.4 使用 random() 函数

NumPy 还提供了强大的随机数生成功能,可以用 random 模块生成随机数组。

# 生成一个 2x3 的随机数组,值在 0 和 1 之间
random_array = np.random.random((2, 3))print("随机数组:\n", random_array)

2 数组的属性:形状、数据类型、大小

了解 NumPy 数组的属性有助于我们更好地操作和管理数据。每个 ndarray 对象都有多个重要的属性:

  • ndim: 数组的维度
  • shape: 数组的形状,表示各维度的大小
  • size: 数组的元素总数
  • dtype: 数组中元素的数据类型
# 创建一个二维数组
arr = np.array([[1, 2, 3], [4, 5, 6]])# 查看数组的属性
print("数组维度:", arr.ndim)
print("数组形状:", arr.shape)
print("数组大小:", arr.size)
print("数组数据类型:", arr.dtype)

这些属性可以帮助我们理解数组的结构。例如,形状可以表示为 (rows, columns),数据类型决定数组中元素的存储方式。


3 基本数组操作:索引、切片、赋值
3.1 数组的索引

NumPy 数组的索引操作与 Python 列表非常相似,可以使用整数索引来访问数组中的元素。

# 创建一维数组
arr = np.array([10, 20, 30, 40, 50])# 访问数组中的元素
print("数组的第一个元素:", arr[0])
print("数组的最后一个元素:", arr[-1])

对于多维数组,可以通过逗号分隔的方式访问不同维度上的元素。

# 创建二维数组
arr2d = np.array([[1, 2, 3], [4, 5, 6]])# 访问二维数组中的元素
print("访问第一行第二个元素:", arr2d[0, 1])
3.2 数组的切片

NumPy 支持对数组进行切片操作,切片规则与 Python 列表类似,可以用 start:end:step 语法指定范围。

# 创建一维数组
arr = np.array([10, 20, 30, 40, 50])# 对数组进行切片
print("切片结果:", arr[1:4])  # 输出 20, 30, 40

对多维数组进行切片时,可以对每一维度单独切片。

# 创建二维数组
arr2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])# 对二维数组进行切片
print("切片结果:\n", arr2d[1:, 1:])  # 输出子数组
3.3 数组的赋值

可以直接修改数组中的元素,也可以通过切片操作对数组中的某些部分赋值。

# 修改数组中的某个元素
arr = np.array([10, 20, 30])
arr[0] = 100
print("修改后的数组:", arr)# 通过切片修改数组部分元素
arr[1:] = 200
print("修改后的数组:", arr)

4 数组初始化方法:zeros、ones、empty 等

NumPy 提供了多种方法来初始化数组,如 zeros()ones()empty()。这些方法可以快速创建数组,并可以指定数组的形状和数据类型。

4.1 zeros() 方法

创建一个全为 0 的数组:

zeros_arr = np.zeros((3, 3), dtype=int)
print("全零数组:\n", zeros_arr)
4.2 ones() 方法

创建一个全为 1 的数组:

ones_arr = np.ones((2, 4), dtype=float)
print("全一数组:\n", ones_arr)
4.3 empty() 方法

empty() 方法创建一个未初始化的数组,其元素值为内存中的任意数据(并非全 0)。

empty_arr = np.empty((2, 2))
print("未初始化数组:\n", empty_arr)

这些数组初始化方法在需要大规模数据初始化时非常有用,可以大幅简化代码。


这篇关于python科学计算:NumPy 基础操作的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1140794

相关文章

Java使用Curator进行ZooKeeper操作的详细教程

《Java使用Curator进行ZooKeeper操作的详细教程》ApacheCurator是一个基于ZooKeeper的Java客户端库,它极大地简化了使用ZooKeeper的开发工作,在分布式系统... 目录1、简述2、核心功能2.1 CuratorFramework2.2 Recipes3、示例实践3

Java利用JSONPath操作JSON数据的技术指南

《Java利用JSONPath操作JSON数据的技术指南》JSONPath是一种强大的工具,用于查询和操作JSON数据,类似于SQL的语法,它为处理复杂的JSON数据结构提供了简单且高效... 目录1、简述2、什么是 jsONPath?3、Java 示例3.1 基本查询3.2 过滤查询3.3 递归搜索3.4

Python如何使用__slots__实现节省内存和性能优化

《Python如何使用__slots__实现节省内存和性能优化》你有想过,一个小小的__slots__能让你的Python类内存消耗直接减半吗,没错,今天咱们要聊的就是这个让人眼前一亮的技巧,感兴趣的... 目录背景:内存吃得满满的类__slots__:你的内存管理小助手举个大概的例子:看看效果如何?1.

Python+PyQt5实现多屏幕协同播放功能

《Python+PyQt5实现多屏幕协同播放功能》在现代会议展示、数字广告、展览展示等场景中,多屏幕协同播放已成为刚需,下面我们就来看看如何利用Python和PyQt5开发一套功能强大的跨屏播控系统吧... 目录一、项目概述:突破传统播放限制二、核心技术解析2.1 多屏管理机制2.2 播放引擎设计2.3 专

Python中随机休眠技术原理与应用详解

《Python中随机休眠技术原理与应用详解》在编程中,让程序暂停执行特定时间是常见需求,当需要引入不确定性时,随机休眠就成为关键技巧,下面我们就来看看Python中随机休眠技术的具体实现与应用吧... 目录引言一、实现原理与基础方法1.1 核心函数解析1.2 基础实现模板1.3 整数版实现二、典型应用场景2

Python实现无痛修改第三方库源码的方法详解

《Python实现无痛修改第三方库源码的方法详解》很多时候,我们下载的第三方库是不会有需求不满足的情况,但也有极少的情况,第三方库没有兼顾到需求,本文将介绍几个修改源码的操作,大家可以根据需求进行选择... 目录需求不符合模拟示例 1. 修改源文件2. 继承修改3. 猴子补丁4. 追踪局部变量需求不符合很

python+opencv处理颜色之将目标颜色转换实例代码

《python+opencv处理颜色之将目标颜色转换实例代码》OpenCV是一个的跨平台计算机视觉库,可以运行在Linux、Windows和MacOS操作系统上,:本文主要介绍python+ope... 目录下面是代码+ 效果 + 解释转HSV: 关于颜色总是要转HSV的掩膜再标注总结 目标:将红色的部分滤

Python 中的异步与同步深度解析(实践记录)

《Python中的异步与同步深度解析(实践记录)》在Python编程世界里,异步和同步的概念是理解程序执行流程和性能优化的关键,这篇文章将带你深入了解它们的差异,以及阻塞和非阻塞的特性,同时通过实际... 目录python中的异步与同步:深度解析与实践异步与同步的定义异步同步阻塞与非阻塞的概念阻塞非阻塞同步

Python Dash框架在数据可视化仪表板中的应用与实践记录

《PythonDash框架在数据可视化仪表板中的应用与实践记录》Python的PlotlyDash库提供了一种简便且强大的方式来构建和展示互动式数据仪表板,本篇文章将深入探讨如何使用Dash设计一... 目录python Dash框架在数据可视化仪表板中的应用与实践1. 什么是Plotly Dash?1.1

C#基础之委托详解(Delegate)

《C#基础之委托详解(Delegate)》:本文主要介绍C#基础之委托(Delegate),具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录1. 委托定义2. 委托实例化3. 多播委托(Multicast Delegates)4. 委托的用途事件处理回调函数LINQ