Python 中的 numpy 数组有哪些特点？

在 python 编程语言中， numpy 是一个常用的数值计算库，它提供了一些高效的数据结构和函数，用于科学计算、数据分析等领域。其中最重要的数据结构之一就是 numpy 数组。numpy 数组是一种多维数组，它可以存储不同类型的数据，并且支持许多常用的数学运算。

本文将介绍 numpy 数组的特点，包括数组的创建、属性、切片和索引、数学运算等方面。

1. 数组的创建

numpy 数组可以通过多种方式创建，包括从 Python 列表或元组转换、通过 numpy 提供的函数创建、从文件中读取数据等。下面是一些常用的创建 numpy 数组的方式：

import numpy as np

# 从 Python 列表创建数组
a = np.array([1, 2, 3])
b = np.array([[1, 2, 3], [4, 5, 6]])

# 使用 numpy 提供的函数创建数组
c = np.zeros((2, 3))
d = np.ones((2, 3))
e = np.random.rand(2, 3)
f = np.arange(0, 10, 2)

2. 数组的属性

numpy 数组有许多属性，可以用来获取数组的基本信息。其中一些常用的属性包括数组的形状、维度、数据类型、元素个数等。

# 获取数组的形状
print(b.shape)  # 输出 (2, 3)

# 获取数组的维度
print(b.ndim)   # 输出 2

# 获取数组的数据类型
print(b.dtype)  # 输出 int64

# 获取数组的元素个数
print(b.size)   # 输出 6

3. 数组的切片和索引

numpy 数组支持和 Python 列表类似的切片和索引操作，可以用来获取数组中的部分元素或子数组。

# 获取数组的第一行
print(b[0, :])  # 输出 [1 2 3]

# 获取数组的第一列
print(b[:, 0])  # 输出 [1 4]

# 获取数组的前两行和前两列
print(b[:2, :2])  # 输出 [[1 2] [4 5]]

# 获取数组的第二列及其后面的元素
print(b[:, 1:])  # 输出 [[2 3] [5 6]]

4. 数组的数学运算

numpy 数组支持许多常用的数学运算，包括加减乘除、矩阵乘法、求和、平均值、标准差等。这些运算可以用来处理数组中的数据，进行统计分析、图像处理等操作。

# 数组加法
print(a + b)  # 输出 [[2 4 6] [5 7 9]]

# 数组乘法
print(a * b)  # 输出 [[1 4 9] [4 10 18]]

# 矩阵乘法
g = np.array([[1, 2], [3, 4]])
h = np.array([[5, 6], [7, 8]])
print(np.dot(g, h))  # 输出 [[19 22] [43 50]]

# 求和、平均值、标准差
print(np.sum(b))      # 输出 21
print(np.mean(b))     # 输出 3.5
print(np.std(b))      # 输出 1.707825127659933

总结

numpy 数组是 Python 编程语言中的一个重要数据结构，它具有许多优点，包括高效的数学运算、多种创建方式、灵活的切片和索引等。在科学计算、数据分析、机器学习等领域，numpy 数组都扮演着重要的角色。希望本文对你有所帮助，让你更好地理解 numpy 数组的特点和用法。