NumPy 是 Python 的一个开源数值计算扩展库，用于高性能的科学计算和数据分析。它提供了一个强大的N维数组对象ndarray，以及用于对这些数组进行操作的各种函数。

通过pip安装：

pip install numpy

创建数组

从列表创建

numpy.array可以通过多种方式创建，最直接的方式是使用np.array函数，将Python列表或元组转换为ndarray对象。

import numpy as np

# 从列表创建数组
arr_from_list = np.array([1, 2, 3, 4, 5])
print(arr_from_list)
# 输出：[1 2 3 4 5]

# 从嵌套列表创建二维数组
arr_from_nested_list = np.array([[1, 2, 3], [4, 5, 6]])
print(arr_from_nested_list)
# 输出：
# [[1 2 3]
#  [4 5 6]]

在创建numpy.array时，可以通过dtype参数指定数组元素的数据类型。NumPy提供了丰富的数据类型，包括int、float、complex、bool、object等。

arr_int = np.array([1, 2, 3], dtype=np.int32)
arr_float = np.array([1, 2, 3], dtype=np.float64)
print("整型数组:", arr_int.dtype)
print("浮点型数组:", arr_float.dtype)

使用内置函数创建

NumPy提供了多个内置函数来创建特定内容的数组。

np.zeros和np.ones

np.zeros和np.ones是NumPy库中的两个非常基础且常用的函数，它们分别用于创建元素全部为0和全部为1的数组。

np.zeros

np.zeros函数用于创建一个给定形状和类型的新数组，其中的元素全部初始化为0。

numpy.zeros(shape, dtype=float, order='C')

• shape：整数或整数元组，指定数组的形状。
• dtype：数据类型，可选。默认为float。
• order：{'C', 'F'}，可选。指定数组在内存中的存储顺序。'C'意味着按行C风格顺序存储，'F'意味着按列Fortran风格顺序存储。默认是'C'。

import numpy as np

# 创建一个形状为(3, 4)的全0数组
arr_zeros = np.zeros((3, 4))
print(arr_zeros)

np.ones

np.ones函数用于创建一个给定形状和类型的新数组，其中的元素全部初始化为1。

numpy.ones(shape, dtype=float, order='C')

参数与np.zeros相同。

import numpy as np

# 创建一个形状为(2, 3)的全1数组
arr_ones = np.ones((2, 3))
print(arr_ones)

np.arange

创建一系列数值的数组。

# 创建一个从0到9的数组
range_arr = np.arange(10)
print(range_arr)

# 创建一个从10到19的间隔为2的数组
range_step_arr = np.arange(10, 20, 2)
print(range_step_arr)

np.linspace

用于生成一个等差数列。这个函数非常适合在需要生成特定范围内的固定大小样本时使用，比如在绘图、科学计算等场景下非常有用。linspace() 函数能够确保开始点和结束点被包括在内。

numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0)

参数解释

• start: 序列的起始值。
• stop: 序列的终止值，除非endpoint设置为False，否则此值会包括在数列中。
• num: 要生成的等间隔样本数量，默认为50。
• endpoint: 布尔值，如果为True，则数列包含stop值；如果为False，则不包含，stop是数列的上限。
• retstep: 布尔值，如果为True，则返回样本之间的步长以及样本数组。
• dtype: 数组的类型。如果未给出，则将从其他输入参数中推断数据类型。
• axis: 返回的数组中，样本是沿着指定轴排列的。

下面是使用numpy.linspace()函数的一些基本示例。

生成简单的等差数列

import numpy as np

# 生成从0到10的10个数字
arr = np.linspace(0, 10, 10)
print(arr)

不包含终止值的数列

# 生成从0到10的10个数字，但不包括10
arr = np.linspace(0, 10, 10, endpoint=False)
print(arr)

获取步长

如果你需要了解数列中各个点之间的间隔大小，可以设置retstep=True。

# 生成数列并返回步长
arr, step = np.linspace(0, 10, 10, retstep=True)
print("Array:", arr)
print("Step size:", step)

在绘图中的应用

linspace() 在绘图和数学计算中特别有用。比如，当你需要绘制数学函数图像时，你可能需要一个密集的点集来代表X轴上的值，以便函数图像看起来平滑。

import matplotlib.pyplot as plt

x = np.linspace(0, 4*np.pi, 100) # 生成0到4π之间的100个点
y = np.sin(x) # 计算每个点的正弦值

plt.plot(x, y)
plt.show()

np.full

用于创建一个给定形状和类型的新数组，其特点是可以指定数组中每个元素的填充值。这使得np.full在需要初始化一个具有特定大小和初始值的数组时非常有用。

np.full函数的基本语法如下：

numpy.full(shape, fill_value, dtype=None, order='C')

• shape：整数或整数元组，用于指定新数组的形状。
• fill_value：标量值，用于填充数组中的每个元素。
• dtype：数据类型，可选。如果未指定，则自动推断fill_value的数据类型。
• order：{'C', 'F'}，指定数组在内存中的存储顺序。'C'意味着按行C风格顺序存储，而'F'意味着按列Fortran风格顺序存储。默认是'C'。

示例1：基础示例

import numpy as np

# 创建一个形状为(3, 4)且填充值为5的数组
arr_full = np.full((3, 4), 5)
print(arr_full)

# 输出:
# [[5 5 5 5]
#  [5 5 5 5]
#  [5 5 5 5]]

这个示例创建了一个3行4列，所有元素都被填充为5的数组。

示例2：指定数据类型

import numpy as np

# 创建一个形状为(2, 2)、填充值为7.0、数据类型为float的数组
arr_full_float = np.full((2, 2), 7.0, dtype=np.float32)
print(arr_full_float)

# 输出:
# [[7. 7.]
#  [7. 7.]]

在这个示例中，通过指定dtype为np.float32，创建了一个所有元素都是7.0的浮点数组。

示例3：使用np.full_like

np.full_like函数可以基于现有的数组创建一个新数组，新数组具有相同的形状和类型，但所有元素的值都被设置为指定的填充值。

import numpy as np

# 创建一个初始数组
arr_initial = np.array([[1, 2, 3], [4, 5, 6]], dtype=np.int32)

# 使用np.full_like创建一个形状相同但填充值为-1的数组
arr_full_like = np.full_like(arr_initial, -1)
print(arr_full_like)

# 输出:
# [[-1 -1 -1]
#  [-1 -1 -1]]

特殊数组

np.eye

创建一个单位矩阵。

# 创建一个3x3的单位矩阵
eye_arr = np.eye(3)
print(eye_arr)

np.empty

创建一个未初始化的数组。这种方式创建的数组内容是不确定的，取决于内存的状态。

# 创建一个形状为(2,2)的未初始化数组
empty_arr = np.empty((2, 2))
print(empty_arr)