介绍
-
NumPy（Numerical Python）是 Python 进行科学计算的一个扩展库
-
NumPy 数组和 Python 列表的主要区别：
- 数组会对元素的数据类型做统一，而列表不会。
- 数组创建后具有固定大小，而列表由于内存自动管理，可动态调整。
创建数组
np.array(object)
- 用object创建一个数组对象并返回（ndarray实例对象）
观察下面的代码明确：1.数组与列表转换前后的区别；2.观察不同维度的数组的整体形状（这里会涉及到线性代数中，矩阵以及多维度的概念）
import numpy as np
lst = [6, 7, 1, 0, 9, 8]
arr = np.array(lst)
print(lst)
print(arr)
print(arr.shape)
lst = [[6, 7, 1], [0, 9, 8]]
arr = np.array(lst)
print(lst)
print(arr)
print(arr.shape)
lst = [[[6, 7], [1, 0], [9, 8]]]
arr = np.array(lst)
print(lst)
print(arr)
print(arr.shape)
np.arange([start,] stop[, step])
- 返回给定区间内的均匀间隔值构成的数组
import numpy as np
print(np.arange(3)) #[0 1 2]
print(np.arange(3, 7)) #[3 4 5 6]
print(np.arange(3, 7, 0.5)) #[3. 3.5 4. 4.5 5. 5.5 6. 6.5] 这里用到了特性：数组会对元素的数据类型做统一
np.linspace(start, stop, num=50, dtype=None)
- 把给定区间分成 num 个均匀间隔的样本，构成数组并返回
- dtype：默认自动推断数据类型
注意这里的num是默认为50的
import numpy as np
print(np.linspace(1, 50))
print(np.linspace(1, 10, num=10))
print(np.linspace(1, 10, num=10, dtype=np.int32))
广播机制
- 后缘维度相同
- 后缘维度不同的维度有1，可以广播
import numpy as np
# 案例 1：后缘维度相同（均为3）
A = np.ones((4, 3)) # 形状 (4, 3)
B = np.ones((3,)) # 形状 (3,)
print(A + B) # 成功：B被广播为(1,3) → (4,3)
# 案例 2：其中一个维度为1
C = np.ones((5, 1)) # 形状 (5, 1)
D = np.ones((5, 4)) # 形状 (5, 4)
print(C * D) # 成功：C被广播为(5,4)
