Numpy

用户5318

2025年12月9日修改

"Data scientist is just a sexed up word for a statistician" ——Nate Silver

可能有人会问，为什么要学 NumPy？因为我似乎没怎么用过这个 Package。大部分都是 Pandas 和 matplotlib.pyplot 就解决了很多问题。那么我在接下来会回答这个问题。 ​

1.
NumPy 是数据分析的基础，很多更高级的拓展模块都依赖于 NumPy，比如 Scikit-learn、Pandas、TensorFlow 等。​

2.
NumPy 中有很多数学相关的内置函数，例如计算平均数，中位数以及矩阵，张量运算等等，可以在代码中省去很多 for-loops。  ​

3.
NumPy 提供了一个叫做 N 维数组的结构，它和 Python 里的 list 很像，但前者的效率远优于后者（效率就是生命啊🎉）。​
​

1.N 维数组

1.1 基本概念

N 维数组（ndarray）是一个描述相同类型数据的集合。

例如：

可以把每个人的成绩都可以看成一个行向量，组成一个矩阵，这个矩阵在数据分析里面称为数组，相信大家在 C 语言里面也已经有所体会。（所以大家也可以猜想，它的底层实现确实是用 C 来实现的） ​

1.2 属性

N 维数组主要有两个属性 data type 和 dimension。

代码块

array([[1,2,3]​
       [4,5,6]​
       [7,8,9]])​

显然，其中数据是整型，而 NumPy 数组的数据类型指的是数组中存储的元素类型，可以是：整型（int）、浮点型（float）、布尔型（bool）等。  ​

注意：NumPy 数组中的所有元素类型必须是一致的。

至于维数，直觉地想是 2 维的，事实上也确实如此。判断维数的简单方法是看嵌套了几个中括号。​

当然还有调用函数的方法，就是对这个对象调用 ndim。

代码块

print(np.array.ndim)

注意：array 和 list 的差别就在于 print 之后，array 元素之间没有逗号。​

1.3 创建数组

代码块

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

这是一段简单的代码，调用 numpy 中的 array 函数创建一个一维数组，其中元素为 1，2，3，4，5​

print 之后得到的结果：

代码块

[1 2 3 4 5]

array 的用法就是在其中传入一个列表。

1.4 数组计算

代码块

import numpy as np​
​
arr = np.array([[2, 1, 7],​
                [4, 2, 2]])​
print(arr-1)​

运算结果：

代码块

[[1 0 6] [3 1 1]]

就是矩阵中的加减。

Numpy​