前言

NumPy 是 Python 的一个扩展库，主要用于数组和矩阵的操作。相较于传统的 Python，NumPy 提供了更高的运行效率和更快的速度，是处理数据不可或缺的工具。

本 NumPy 快速入门系列分为四篇文章，涵盖了大部分基础内容。每篇文章的阅读时间不长，但信息量丰富。建议亲自动手编写代码，以便更好地理解和掌握。

概要

本文将介绍如何轻松理解并安装 NumPy，掌握其基本属性，以及学会创建不同类型和形状的数组。具体来说，我们将涵盖以下内容： - 安装 NumPy 并确认安装成功。 - 掌握 NumPy 数组的基本属性，如数据类型、形状和尺寸。 - 学习多种创建数组的方法，包括使用特殊函数和转换其他数据类型。

第一节 NumPy 安装与介绍

NumPy 安装

NumPy 可以通过两种简单的方法安装： - 使用 pip 命令安装：pip install numpy - 使用 conda 命令安装：conda install numpy

这两种方法适用于 Windows、Linux 和 Mac 系统。

示例： python import numpy as np print(np.eye(4)) 这段代码将生成一个 4x4 的单位矩阵，从而验证 NumPy 是否安装成功。

NumPy 与 Python 列表的区别

NumPy 处理的主要对象是 ndarray（多维数组），这是一种与 Python 列表不同的数据类型。虽然它们看起来有些相似，但功能和性能上有显著差异。

例如，我们可以将一个列表转换为 NumPy 数组： python import numpy as np my_list = [1, 2, 3] arr = np.array(my_list) print(type(my_list)) print(type(arr)) 运行结果： python <class 'list'> <class 'numpy.ndarray'> 可以看出，arr 的数据类型是 ndarray。

NumPy 的优势

NumPy 数组比 Python 列表更高效，特别是在处理大型数据集时。NumPy 采用了优化的算法，使得其在执行算术、统计和线性代数运算时速度更快。

常见的 NumPy 数组类型

接下来，我们将介绍一些常见的 NumPy 数组类型： python a = np.array([1, 2, 3]) b = np.array([[1, 2], [3, 4]]) c = np.array([1, 2, 3], dtype=complex) print(a) print(b) print(c) 运行结果： python [1 2 3] [[1 2] [3 4]] [1.+0.j 2.+0.j 3.+0.j] 这些数组分别是一维、二维和复数类型的数组。

第二节 NumPy 数组属性

我们将介绍几种常见的 NumPy 数组属性： - 数据类型 (dtype)：数组中的元素类型。 - 元素个数 (size)：数组中元素的数量。 - 维度 (ndim)：数组的维度数量。 - 形状 (shape)：数组各维度的大小。 - 实部和虚部 (real, imag)：复数数组的实部和虚部。

例如，我们可以查看一个数组的这些属性： python b = np.array([[1.1, 2], [3.1, 4.2]]) c = np.array([1, 2, 3], dtype=complex) print(b.ndim, b.shape, b.size) print(c.real, c.imag) 运行结果： python 2 (2, 2) 4 [1. 2. 3.] [0. 0. 0.]

第三节 创建数组

NumPy 提供了多种创建数组的方法： 1. 直接使用 np.array() 函数创建。 2. 使用特殊函数，如 np.zeros(), np.ones(), np.arange(), np.linspace()。 3. 将其他数据类型转换为 NumPy 数组。

特殊函数

• np.zeros()：创建全零数组。
• np.ones()：创建全一数组。
• np.arange()：创建指定范围的数组。
• np.linspace()：创建等间隔的数组。

示例代码： python e = np.array([1, 2, 3], dtype=float) f = np.zeros((3, 2), dtype=int) g = np.ones((1, 3)) print(e) print(f) print(g) 运行结果： python [1. 2. 3.] [[0 0] [0 0] [0 0]] [[1. 1. 1.]]

总结

通过本文，我们了解了如何安装和使用 NumPy，掌握了 NumPy 数组的基本属性，以及如何创建各种类型的数组。希望这些知识能够帮助你在数据处理中更加得心应手。