你的 Python 框架 numy 学习笔记有没有遗漏这些重要内容？

NumPy 是 python 中用于科学计算的一个强大的库。它提供了高效的多维数组对象和一些用于处理数组的函数。如果你正在学习 NumPy，那么本文将会介绍一些你可能会遗漏的重要内容。

1. 创建数组

首先，让我们看一下如何创建 NumPy 数组。可以使用 NumPy 的 array() 函数来创建数组。例如，以下代码将创建一个一维数组：

import numpy as np

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

输出结果为：

[1 2 3 4 5]

你也可以使用 zeros() 函数来创建一个全为零的数组：

arr = np.zeros(5)
print(arr)

输出结果为：

[0. 0. 0. 0. 0.]

你还可以使用 ones() 函数来创建一个全为一的数组：

arr = np.ones(5)
print(arr)

输出结果为：

[1. 1. 1. 1. 1.]

2. 数组索引和切片

接下来，让我们看一下如何对数组进行索引和切片。你可以使用方括号 [] 来访问数组中的元素。例如，以下代码将访问数组中的第一个元素：

arr = np.array([1, 2, 3, 4, 5])
print(arr[0])

输出结果为：

1

你也可以使用切片来获取数组的子集。以下代码将获取数组中的前三个元素：

arr = np.array([1, 2, 3, 4, 5])
print(arr[:3])

输出结果为：

[1 2 3]

3. 数组形状

NumPy 数组具有形状（shape），它表示每个维度的大小。你可以使用 shape 属性来获取数组的形状。例如，以下代码将获取一个二维数组的形状：

arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr.shape)

输出结果为：

(2, 3)

这表示该数组具有两个维度，第一个维度的大小为 2，第二个维度的大小为 3。

你可以使用 reshape() 函数来更改数组的形状。以下代码将把一个一维数组转换为一个二维数组：

arr = np.array([1, 2, 3, 4, 5, 6])
arr = arr.reshape(2, 3)
print(arr)

输出结果为：

[[1 2 3]
 [4 5 6]]

4. 数组运算

NumPy 中的数组支持各种运算。以下代码将展示一些常见的数组运算：

arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])

# 加法
print(arr1 + arr2)

# 减法
print(arr1 - arr2)

# 乘法
print(arr1 * arr2)

# 除法
print(arr1 / arr2)

# 平方
print(arr1 ** 2)

# 平方根
print(np.sqrt(arr1))

输出结果为：

[5 7 9]
[-3 -3 -3]
[ 4 10 18]
[0.25 0.4  0.5 ]
[1 4 9]
[1.         1.41421356 1.73205081]

5. 数组排序

你可以使用 NumPy 的 sort() 函数对数组进行排序。以下代码将对一个一维数组进行排序：

arr = np.array([3, 2, 1, 4, 5])
arr = np.sort(arr)
print(arr)

输出结果为：

[1 2 3 4 5]

你也可以对一个二维数组进行排序，只需指定 axis 参数。以下代码将对一个二维数组的每一行进行排序：

arr = np.array([[3, 2, 1], [6, 5, 4], [9, 8, 7]])
arr = np.sort(arr, axis=1)
print(arr)

输出结果为：

[[1 2 3]
 [4 5 6]
 [7 8 9]]

6. 数组统计

NumPy 还提供了许多用于统计数组的函数。以下代码将展示一些常见的数组统计函数：

arr = np.array([1, 2, 3, 4, 5])

# 平均值
print(np.mean(arr))

# 中位数
print(np.median(arr))

# 标准差
print(np.std(arr))

# 方差
print(np.var(arr))

# 最小值
print(np.min(arr))

# 最大值
print(np.max(arr))

输出结果为：

3.0
3.0
1.4142135623730951
2.0
1
5

这些函数可以帮助你更好地理解数组中的数据分布。

7. 矩阵运算

最后，让我们看一下如何进行矩阵运算。NumPy 提供了许多用于矩阵运算的函数。以下代码将展示一些常见的矩阵运算函数：

arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6], [7, 8]])

# 矩阵乘法
print(np.dot(arr1, arr2))

# 转置
print(arr1.T)

# 行列式
print(np.linalg.det(arr1))

# 逆矩阵
print(np.linalg.inv(arr1))

输出结果为：

[[19 22]
 [43 50]]
[[1 3]
 [2 4]]
-2.0000000000000004
[[-2.   1. ]
 [ 1.5 -0.5]]

这些函数可以帮助你更好地处理矩阵运算问题。

总结

本文介绍了一些你可能会遗漏的重要内容，包括创建数组、数组索引和切片、数组形状、数组运算、数组排序、数组统计和矩阵运算。希望这些内容能够帮助你更好地学习 NumPy。