Python 中的 Numpy 数组 [一切都知道]

Python 有很多用于执行各种任务的库。 根据要执行的任务，库被相应地分组。 Python 一直是一种出色的编程语言，它为执行不同的科学和数学计算提供了最佳环境。 一个这样的库是 Numpy，它是一个流行的 Python 库。 它是 Python 中的一个开源库，用于在工程和科学领域执行计算。

本文将重点介绍 Numpy 库以及Python 中的 Numpy 数组。

Python 中的 Numpy 库

数值数据一直是研究和开发的不同部分的一个组成部分。 它是包含大量信息的数据。 处理数据是所有科学研究的核心。 该库是处理此类数值数据的最佳 Python 库之一。 Numpy 数组的用户可以是还没有经验的编码人员，也可以是从事工业研究或最先进科学研究的经验丰富的研究人员。 因此，无论是初学者还是经验丰富的用户，Numpy 库都可以被几乎所有在数据领域工作的人使用。 Numpy 的 API 可用于 SciPy、Pandas、sci-kit-learn、scikit-image、Matplotlib 以及为应用于科学和数据科学包而开发的其他几个包。

Python 中的 Numpy 库由多维数组和矩阵数据结构组成。 该库提供ndarray ，它是一个同构数组对象。 Python 中的Numpy 数组是 n 维的。 该库还包括几种可用于对数组执行操作的方法。 该库还可用于对数组执行多种数学运算。 可以将数据结构添加到 Python 中，这将导致对不同矩阵和数组的有效计算。 该库还提供了几个数学函数，可用于对矩阵和数组进行操作。

库的安装和导入

为了在 Python 中安装 Numpy，应该使用科学来源的 Python 发行版。 如果系统已经安装了 Python，可以通过以下命令安装库。

Conda 安装 Numpy，或者可以使用其他命令 pip installs Numpy。

如果系统上尚未安装 Python，则可以使用 Anaconda，这是最简单的安装方法之一。 安装 Anaconda 不需要单独安装其他库或包，例如 SciPy、Numpy、Scikit-learn、pandas 等。

Numpy 库可以通过命令 import Numpy as np 在 Python 中导入。

该库提供了多种在 Python 中以快速有效的方式创建数组的方法。 它还提供了修改数组或可以操作数组中的数据的方法。 列表与 Numpy 数组的区别在于Python 列表中的数据可以是不同的数据类型，而对于Python 中的 Numpy 数组，数组中的元素应该是同质的。 Numpy 数组中的元素具有相同的数据类型。 如果 Numpy 数组中的元素具有不同的数据类型，那么可以在 Numpy 数组上使用的数学函数将变得低效。

Numpy 数组与列表的比较表明，由于 Numpy 数组的速度更快且更紧凑，因此经常使用 Numpy 数组。 此外，由于数组消耗更少的内存，Numpy 数组变得更方便使用。 可以指定数组中元素的数据类型，因为数组使用较少的内存，因此它提供了一种规范机制。 因此可以优化程序的代码。

从世界顶级大学在线获得软件工程学位。 获得行政 PG 课程、高级证书课程或硕士课程，以加快您的职业生涯。

Python 中的 Numpy 数组

Numpy 数组是 Numpy 库中的一个集中式数据结构。 定义数组时，它由以网格方式排列的数组组成，包含原始数据的信息。 它还包含有关如何在数组中定位元素或如何在数组中解释元素的信息。 Numpy 数组由网格中的元素组成，这些元素可以通过多种方式进行索引。 数组中的元素具有相同的数据类型，因此称为数组 dtype。

• 数组的索引是通过非负整数的元组完成的。 它也可以通过整数、布尔值或其他数组进行索引。
• 数组的秩定义为数组的维数。
• 数组的形状被定义为定义数组大小沿不同维度的整数集。
• 数组的初始化可以通过 Python 列表使用嵌套列表来完成，用于高维数据。
• 数组中的元素可以通过方括号访问。 Numpy 数组的索引始终从 0 开始，因此在访问元素时，数组的第一个元素将位于 0 位置。 示例：b[0] 将返回数组 b 中的第一个元素。

Numpy 数组的基本操作

• 函数 np.array() 用于在 Python 中创建 Numpy 数组。 用户必须创建一个数组，然后必须将其传递给一个列表。 用户还可以在列表中指定数据类型。
• 函数 np.sort() 可用于在 Python 中对 Numpy 数组进行排序。 调用函数时，用户可以指定种类、轴和顺序。
• 要获取有关数组维度或轴号的信息，用户可以使用 ndarray.ndim。 此外，使用 ndarray.size，将让用户知道数组中存在的总元素。
• 以下命令可用于了解 Numpy 数组的形状和大小：ndarray.ndim、ndarray.shape 和 ndarray.size。 为了了解数组的维度或数组的轴数，使用命令 ndarray.ndim。 要获取数组中存在的总元素数的详细信息，请使用命令 ndarray.size。 命令 ndarray.shape 将返回一组整数，指示沿数组中不同维度存储的元素编号。
• Numpy 数组可以以类似于 Python 中列表的方式进行索引和切片。
• 使用符号“+”可以将两个数组相加。 此外，函数 sum() 可用于返回存储在数组中的所有元素的总和。 该函数可用于 1 维或 2 维甚至高维数组。
• 通过在 Numpy 数组中广播的概念，可以对具有不同形状的数组进行操作。 但是，数组维度应该是兼容的； 否则，程序将导致 ValueError。
• 除了 sum() 函数之外，Numpy 数组还提供 mean 函数获取元素的平均值，函数 prod 获取数组元素的乘积，函数 std 实现标准差的错误元素。
• 用户可以将列表列表传递给 Numpy 数组。 可以传递列表列表来创建二维数组。