一、概念简介
在Python科学计算中,NumPy是一个重要的第三方库,用于处理大型数组和矩阵计算。
其中ndarray是NumPy中最重要的类,它是Python中多维数组的主要表示方式,可以存储具有相同类型的元素集合。
ndarray的重要特点包括:
- 多维数据容器,每个维度都有一个整数
- 每个元素都必须是统一类型的
- 所有元素都是同一类型的
- 所有元素都连续存储
二、创建ndarray
NumPy提供了多种方法来创建ndarray,包括:
- 使用array函数从Python序列(例如list或tuple)中创建
- 使用函数zeros、ones或empty来创建指定形状和类型的数组
- 使用numpy.random中的函数从随机生成的数据中创建数组
以下是创建ndarray的代码示例:
import numpy as np # 从Python序列中创建 x = np.array([1, 2, 3]) print(x) # 输出:[1 2 3] # 创建指定形状的数组 y = np.zeros((3, 3)) print(y) # 输出:[[0. 0. 0.] # [0. 0. 0.] # [0. 0. 0.]] # 从随机数据中创建数组 z = np.random.rand(2, 2) print(z) # 输出:[[0.11998367 0.5357148 ] # [0.09606219 0.33204588]]
三、访问和修改ndarray
通过索引和切片,我们可以访问和修改ndarray,这与Python中的列表非常相似。
以下是访问和修改ndarray的代码示例:
import numpy as np # 创建一个长度为4的一维数组 a = np.array([1, 2, 3, 4]) # 访问元素 print(a[0]) # 输出1 # 修改元素 a[0] = 5 print(a) # 输出[5 2 3 4] # 创建二维数组 b = np.array([[1, 2, 3], [4, 5, 6]]) # 访问元素 print(b[1, 2]) # 输出6 # 切片操作 print(b[:, :2]) # 输出[[1 2] # [4 5]]
四、ndarray的运算
NumPy的ndarray支持各种数学运算,包括加、减、乘、除等。
以下是运算ndarray的代码示例:
import numpy as np # 创建两个数组 a = np.array([[1, 2], [3, 4]]) b = np.array([[5, 6], [7, 8]]) # 加法 print(a + b) # 输出[[ 6 8] # [10 12]] # 乘法 print(a * b) # 输出[[ 5 12] # [21 32]] # 矩阵乘法 print(np.dot(a, b)) # 输出[[19 22] # [43 50]]
五、ndarray的聚合函数
NumPy提供了许多用于聚合ndarray的函数,如求和、平均值、中位数等。
以下是聚合函数的代码示例:
import numpy as np # 创建数组 a = np.array([1, 2, 3]) # 求和 print(np.sum(a)) # 输出6 # 平均值 print(np.mean(a)) # 输出2.0 # 中位数 print(np.median(a)) # 输出2.0
总结
本文介绍了Python中NumPy库中的ndarray类的概念、创建、访问和修改、运算和聚合函数。我们可以发现,利用ndarray,Python可以很方便地进行科学计算。