Python NumPy库的安装和使用（附带实例）

NumPy（Numerical Python 的简称）是一个用于科学计算的 Python 库，它提供了大量的函数和数据结构，使得处理大型多维数组和矩阵变得更加简单。

在本节中，我们将介绍 NumPy 的基本概念和使用方法，帮助初学者快速上手。

安装和导入NumPy

要使用 NumPy，首先需要安装它。可以通过以下 pip 命令安装：

pip install numpy

在 Python 解释器中输入 import numpy as np，如果没有出现错误提示，说明 NumPy 模块已经被正常安装。

在 Python 代码中，我们需要导入 NumPy 库才能使用它的功能。通常，我们会使用 import numpy as np 这样的语句来导入 NumPy，并为其创建一个别名 np，以便后续使用。例如：

import numpy as np

NumPy的数据结构ndarray

ndarray 是 NumPy 库的核心数据结构，用于表示多维数组。它是 Python 编程语言中用于科学计算的基本数据结构之一。

以下是关于ndarray的一些重要特性和解释：

维度：ndarray 可以具有任意数量的维度，从一维（向量）到三维（立体）、四维甚至更高。每个维度的大小称为轴长。
形状：ndarray 对象具有一个描述其维度大小的元组，称为形状（Shape）。例如，二维数组的形状可能是 (3, 4)，表示有 3 行 4 列。
数据类型：ndarray 中的所有元素都必须是相同的数据类型。数据可以是整数、浮点数、复数等。
内存布局：ndarray 在内存中是连续存储的，这意味着它允许高效的数据访问和操作。
索引和切片：ndarray 支持使用方括号进行索引和切片，这允许你访问、修改或操作数组的特定部分。
广播：ndarray 支持广播功能，这是一种机制，允许在不同形状的数组之间进行数学运算。
数学运算：ndarray 支持各种数学运算，如加法、减法、乘法、除法等，这些运算可以逐元素应用于数组中的每个元素。
函数：NumPy 提供了许多内置函数，可以对 ndarray 执行各种操作，如求和、求平均值、求最大值、求最小值等。
通用函数：NumPy 还提供了通用函数（ufunc），这些函数可以对 ndarray 中的每个元素执行操作，而不需要循环。

NumPy的基本使用

1) 创建NumPy数组

我们可以使用 np.array() 函数由列表、元组等数据结构中创建 NumPy 数组。np.array() 函数是 NumPy 库中的一个用于创建数组的函数，它提供了一种方便的方式来存储和操作数据。具体解释如下：

参数 object：这是创建数组的对象，可以是单个值、列表、元组等。这意味着你可以将各种类型的数据传递给np.array()，它会尝试将这些数据转换为一个数组；
可选参数 dtype：这个参数用于指定创建数组的数据类型。如果没有指定，np.array() 会根据传递的对象自动推断数据类型；
返回值：该函数返回一个新的 NumPy 数组，这个数组可以是一维的（向量），也可以是多维的（矩阵或更高维度的张量）。

np.array() 函数非常灵活，可以用来创建各种形状和大小的数组。例如，如果你传递一个列表给 np.array()，它会创建一个与该列表具有相同元素和顺序的 NumPy 数组。如果你传递一个整数，它会创建一个包含该整数的一维数组。此外，np.array() 还支持创建多维数组，这对于科学计算和数据分析非常有用。

下面通过示例来演示 NumPy 和 np.array() 函数创建数组的方法：

# 从列表创建NumPy数组
arr1 = np.array([1, 2, 3])
print(arr1)   # 输出：[1 2 3]
# 从元组创建NumPy数组
arr2 = np.array((1, 2, 3))
print(arr2)   # 输出：[1 2 3]

2) NumPy数组的属性

NumPy 数组有许多有用的属性，例如 shape（形状）、dtype（数据类型）和size（元素个数）。例如：

arr = np.array([[1, 2], [3, 4]])
print(arr.shape)  # 输出：(2, 2)
print(arr.dtype)  # 输出：int64
print(arr.size)   # 输出：4

3) 基本操作

NumPy 提供了许多用于数组操作的函数，如加法、减法、乘法等。例如：

a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
# 加法
c = np.add(a, b)
print(c)  # 输出：[5 7 9]
# 减法
d = np.subtract(a, b)
print(d)  # 输出：[-3 -3 -3]
# 乘法
e = np.multiply(a, b)
print(e)  # 输出：[ 4 10 18]

4) 广播

NumPy 支持广播，即在不同形状的数组之间进行数学运算时，会自动扩展较小的数组以匹配较大数组的形状。例如：

a = np.array([1, 2, 3])
b = np.array([2, 2, 2])
# 广播加法
c = a + b
print(c)  # 输出：[3 4 5]

5) 切片和索引

NumPy 数组支持切片和索引操作，可以方便地访问和修改数组的元素。例如：

arr = np.array([[1, 2], [3, 4]])
# 获取第一行
row1 = arr[0]
print(row1)  # 输出：[1 2]
# 获取第二列
col2 = arr[:, 1]
print(col2)  # 输出：[2 4]