Numpy是一个通用的数组处理包。它提供了一个高性能的多维数组对象，以及处理这些数组的工具。它是Python科学计算的基本包。
Numpy除了具有明显的科学用途外，还可以作为通用数据的高效多维容器。
Numpy中的数组
Numpy中的数组是一个元素表(通常是数字)，所有元素都是相同的类型，由一个正整数元组索引。在Numpy中，数组的维数称为数组的秩。一个整数的元组给出了数组在每个维度上的大小，称为数组的形状。Numpy中的数组类称为ndarray。Numpy数组中的元素可以使用方括号访问，也可以使用嵌套Python列表初始化。
创建一个Numpy数组
Numpy中的数组可以通过多种方式创建，具有不同数量的秩，定义数组的大小。数组还可以使用各种数据类型(如列表、元组等)创建。合成阵列的类型由序列中元素的类型导出。
注意:可以在创建数组时显式定义数组的类型。
# Python程序 # 数组的创建 import numpy as np # 创建rank 1数组 arr = np.array([1, 2, 3]) print("Array with Rank 1: \n",arr) # 创建rank 2数组 arr = np.array([[1, 2, 3], [4, 5, 6]]) print("Array with Rank 2: \n", arr) # 从元组创建一个数组 arr = np.array((1, 3, 2)) print("\nArray created using " "passed tuple:\n", arr)
输出如下：
Array with Rank 1:
[1 2 3]
Array with Rank 2:
[[1 2 3]
[4 5 6]]
Array created using passed tuple:
[1 3 2]
访问数组索引
在numpy数组中，索引或访问数组索引可以通过多种方式完成。 要打印一系列数组，请完成切片。 切片数组是在新数组中定义一个范围，用于从原始数组中打印一系列元素。 由于切片数组包含原始数组的一系列元素，因此在切片数组的帮助下修改内容会修改原始数组内容。
#Pthon程序来演示 #numpy数组中的索引 import numpy as np #初始数组 arr = np.array([[-1, 2, 0, 4], [4, -0.5, 6, 0], [2.6, 0, 7, 8], [3, -7, 4, 2.0]]) print("Initial Array: ") print(arr) #打印数组的范围 #使用切片方法 sliced_arr = arr[:2, ::2] print ("Array with first 2 rows and" " alternate columns(0 and 2):\n", sliced_arr) #打印元素 #specific Indices Index_arr = arr[[1, 1, 0, 3], [3, 2, 1, 0]] print ("\nElements at indices (1, 3), " "(1, 2), (0, 1), (3, 0):\n", Index_arr)
输出如下：
Initial Array:
[[-1. 2. 0. 4. ]
[ 4. -0.5 6. 0. ]
[ 2.6 0. 7. 8. ]
[ 3. -7. 4. 2. ]]
Array with first 2 rows and alternate columns(0 and 2):
[[-1. 0.]
[ 4. 6.]]
Elements at indices (1, 3), (1, 2), (0, 1), (3, 0):
[0. 6. 2. 3.]
基本阵列操作
在numpy中，数组允许可以在特定阵列或阵列组合上执行的各种操作。 这些操作包括一些基本的数学运算以及一元和二元运算。
#Pthon程序来演示 #单个阵列的基本操作 import numpy as np #定义数组1 a = np.array([[1, 2], [3, 4]]) # Defining Array 2 b = np.array([[4, 3], [2, 1]]) #向每个元素添加1 print ("Adding 1 to every element:", a + 1) # 每个元素减去2 print ("\nSubtracting 2 from each element:", b - 2) # 数组元素和 # 执行一元操作 print ("\nSum of all array " "elements: ", a.sum()) #添加两个数组 #执行二进制操作 print ("\nArray sum:\n", a + b)
输出如下：
Adding 1 to every element: [[2 3]
[4 5]]
Subtracting 2 from each element: [[ 2 1]
[ 0 -1]]
Sum of all array elements: 10
Array sum:
[[5 5]
[5 5]]
Numpy中的数据类型