NumPy库基础教程：数组、矩阵与数学运算 | Python入门

NumPy库入门介绍

NumPy库是Python科学计算的基石。通过numpy python，开发者可以高效处理多维数组、矩阵，并执行高性能数学运算。

NumPy是数据分析、机器学习和工程计算生态系统中不可或缺的一部分。Pandas、Scikit-learn、TensorFlow等主流框架都广泛使用该库，它也是科学编程的重要工具。

本文提供完整的numpy数组指南，帮助您掌握数组与矩阵的操作。您将学习如何执行算术与逻辑运算，以及高效合并和修改数据结构。

安装与初始配置

NumPy安装步骤

使用pip包管理器安装numpy python库：

pip install numpy

验证安装是否成功

安装后建议检查库的版本：

import numpy as np
print(np.__version__)

该命令会显示已安装库的当前版本，确认安装成功。

NumPy核心对象：数组操作

什么是ndarray

库的核心对象是数组（ndarray）。它是Python标准列表的升级版，专门优化用于快速数学运算。NumPy数组在内存中存储更紧凑，处理速度远快于普通列表。

创建一维数组

创建数组的最简单方式：

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

处理多维数组

创建二维数组（矩阵）：

matrix = np.array([[1, 2], [3, 4]])
print(matrix)

输出结果：

[[1 2]
 [3 4]]

NumPy数组的核心属性

数组的关键属性

每个numpy数组都有一组重要属性：

• ndim - 数组的维度数量
• shape - 数组的形状（元组形式）
• size - 数组中的元素总数
• dtype - 数组元素的数据类型

属性实际应用

arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr.ndim)   # 2（二维数组）
print(arr.shape)  # (2, 3)（2行3列）
print(arr.size)   # 6（共6个元素）
print(arr.dtype)  # int64（数据类型）

理解这些属性对于高效处理不同维度的numpy数组至关重要。

创建数组的特殊函数

预定义值数组

NumPy提供了便捷函数来创建特殊类型的数组：

• np.zeros() - 创建全零数组
• np.ones() - 创建全一数组
• np.eye() - 创建单位矩阵
• np.full() - 创建指定值的数组

zeros_array = np.zeros((2, 3))     # 2x3全零数组
ones_array = np.ones((3, 3))       # 3x3全一数组
identity = np.eye(3)               # 3x3单位矩阵

序列生成函数

• np.arange() - 创建等差数列
• np.linspace() - 创建均匀分布的值