# NumPy 核心处理方法

NumPy（Numerical Python）是一个用于科学计算的 Python 第三方库，它提供了：

# 核心功能：

多维数组对象
- 高效地存储和操作大规模数字数据。
- 比原生 Python 的列表（list）更快、更节省内存。
广播功能
- 允许不同形状的数组进行数学运算，简洁高效。
数学函数库
- 包括线性代数、傅里叶变换、随机数生成、统计分析等。
数组索引与切片
- 支持布尔索引、花式索引，比 Python 原生更灵活强大。

# 引用

import numpy as np

# 多维性

	arr = np.array(5) # 创建了一个 0 维度的数组
	print(arr)
	print('arr的维度：', arr.ndim) # 打印维度 ndim

	arr = np.array([1, 2, 3]) # 创建了一个 1 维度的数组
	print(arr)
	print('arr的维度：', arr.ndim) # 打印维度 ndim

# 同质性

	arr = np.array([1, 'hello', 3]) #测试不同质
	print(arr)

结果全部转化为字符串

# ndarray 的属性

	arr = np.array(1)
	print(arr)
	print('arr的维度：', arr.ndim)
	print('arr的形状：', arr.shape)
	print('arr的元素个数', arr.size)
	print('arr的数据类型', arr.dtype)

1
arr 的维度： 0
arr 的形状： ()
arr 的元素个数 1
arr 的数据类型 int64

	arr = np.array([1, 2.7, 3])
	print(arr)
	print('arr的维度：', arr.ndim)
	print('arr的形状：', arr.shape)
	print('arr的元素个数', arr.size)
	print('arr的数据类型', arr.dtype)
	print('arr的转置', arr.T)

[1. 2.7 3. ]
arr 的维度： 1
arr 的形状： (3,)
arr 的元素个数 3
arr 的数据类型 float64
arr 的转置 [1. 2.7 3.]

	arr = np.array([[1, 2, 3], [4, 5, 6]])
	print(arr)
	print('arr的维度：', arr.ndim)
	print('arr的形状：', arr.shape)
	print('arr的元素个数', arr.size)
	print('arr的数据类型', arr.dtype)
	print('arr的转置', arr.T)

[[1 2 3]
[4 5 6]]
arr 的维度： 2
arr 的形状： (2, 3)
arr 的元素个数 6
arr 的数据类型 int64
arr 的转置 [[1 4]
[2 5]
[3 6]]

# 指定元素数据类型

	list1 = [4, 5, 6]
	arr = np.array(list1, dtype=np.float64)

# 预定义数组

# 全零阵

	arr = np.zeros((4, 4), dtype=np.int64)
	arr = np.zeros((60,), dtype=np.int64)

# 全一阵

arr = np.ones((4, 4), dtype=np.int64)

# 空阵

arr = np.empty((3, 4))

# 满阵

arr = np.full((3, 4), 2)

[[2 2 2 2]
[2 2 2 2]
[2 2 2 2]]

# 形状模仿

	arr1 = np.zeros_like(arr)
	arr2 = np.ones_like(arr)
	arr3 = np.empty_like(arr)

# 定增量（等差数列）

arr = np.arange(1, 106, 1)

# 定间隔（等分数列）

app = np.linspace(1, 100, 10)

# 对角阵

arr = np.diag([1, 2, 3, 4, 5])

# 随机数组

# 默认零到一

arr = np.random.rand(2, 4)# 均匀分布， 0~1

# 指定区间

arr = np.random.uniform(1, 4, (4, 4))

# 随机整数

arr = np.random.randint(1, 10, (4, 4))

# 随机正态分布

arr = np.random.randn(4, 4)

# 随机种子

	# 设置随机种子，每次生成的随机数相同
	np.random.seed(20)
	arr = np.random.randint(1, 4, (4, 4))

# 单位矩阵

arr = np.eye(5, dtype=int)

# 数据类型

# ndarray 的数据类型

布尔类型
整形
浮点型
复数型

主要通过 dtype 指定

	arr = np.array([1, 2, 3, 0, -1], dtype=np.int8)
	arr = np.array([1, 2, 3, 0, -1], dtype=np.float32)

# 索引与切片

# 索引

	# 一维数组
	arr = np.random.randint(10, 100, 30)
	# 一维索引
	print(arr[3])
	print(arr[7])
	# 一维布尔索引
	print(arr[(arr > 30) & (arr < 50)])
	# 二维数组
	arr = np.random.randint(10, 100, (5, 8))
	# 二维索引
	print(arr[2, 3])
	print(arr[2][3])

# 切片

	# 一维切片
	print(arr[3:7])
	print(arr[slice(3, 7)])
	print(arr[slice(0, 10, 2)])
	# 二维切片
	print(arr[0, 1:3])
	print(arr[arr > 70])
	print(arr[0][arr[0] > 90])
	print(arr[3])
	print(arr[:, 3])

# 运算

# 常规运算

	arr1 = np.array([1, 2, 3])
	arr2 = np.array([4, 5, 6])
	print(arr1 + arr2)
	print(arr1 * arr2)
	print(arr1 - arr2)
	print(arr1 / arr2)
	print(arr1 ** arr2)
	# python 原生
	listA = [1, 2, 3]
	listB = [4, 5, 6]
	for i in range(len(listA)):
	print(listA[i] + listB[i])

python 原生只是纯粹的拼接，ndarray 是在帮你做计算

	arr1 = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
	arr2 = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
	print(arr1 + arr2)
	print(arr1 * arr2)
	print(arr1 - arr2)
	print(arr1 / arr2)
	print(arr1 ** arr2)

# 广播机制

	# 广播机制，但是需满足维度一致
	arr1 = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
	arr2 = np.array([1, 2, 3]) # [1, 2, 3],[1, 2, 3],[1, 2, 3]
	print(arr1 + arr2)
	print(arr1 * arr2)

	arr1 = np.array([[1, 2, 3]])
	arr2 = np.array([[1], [2], [3]])
	print(arr1 + arr2)

# 矩阵的运算

	# 矩阵运算
	arr1 = np.array([[1, 2, 3], [4, 5, 6]])
	arr2 = np.array([[4, 5], [1, 2], [7, 8]])
	print(arr1.dot(arr2)) # 矩阵的乘法，矩阵的行数必须等于矩阵的列数，不是简单的对应相乘
	print(arr1 @ arr2)

# 常用函数

# 数学函数

# 平方根

	print(np.sqrt(9))
	print(np.sqrt([1, 4, 9]))

# 指数

	# 计算指数
	print(np.exp(1)) # e^1
	print(np.exp([0, 2, 3]))

# 自然对数

	# 计算自然对数
	print(np.log(np.e))
	print(np.log([1, np.e, np.e ** 2]))
	print(np.log10(100))

# 三角函数

	# 计算三角函数
	print(np.sin(np.pi / 2)) # sin(π/2)
	print(np.cos(np.pi)) # cos(π)

# 绝对值

	# 计算绝对值
	print(np.abs(-1))
	print(np.abs(np.array([1, -1, 0, -2, 2, -3, 3, -4, 4, -5, 5])))

# a 的 b 次幂

	# 计算 a 的 b 次幂
	print(np.power(2, 3))

# 四舍五入

	# 四舍五入
	print(np.round(3.14))
	print(np.round([3.14, 2.7, 1.5, 1.2]))

# 上取整与下取整

	# 向上取整，向下取整
	arr = np.array([1.2, 1.5, 1.6, 1.7, 2.2, 2.5, 2.6, 2.7])
	print(np.ceil(arr))
	print(np.floor(arr))

# 检测缺失值

	arr = np.array([1, 2, np.nan, 4, np.nan])
	print(np.isnan(arr))

# 统计函数

求和、计算平均值、计算中位数、标准差、方差、最大值、最小值、计算分位数、累积和、累积差

	arr = np.random.randint(1, 10, 10)
	print(arr) # 创建一个 10 个元素的数组
	print('排序', np.sort(arr))
	print('求和', np.sum(arr)) # 求和
	print('计算平均值', np.mean(arr)) # 计算平均值
	print('计算中位数', np.median(arr)) # 计算中位数
	print('标准差', np.std(arr)) # 标准差
	print('方差', np.var(arr)) # 方差 ((1-2)^2 + (2-2)^2 + ... + (9-2)^2) / 9
	print('最大值', np.max(arr)) # 最大值
	print('最小值', np.min(arr)) # 最小值
	print('计算分位数', np.quantile(arr, 0.5)) # 计算分位数
	print('累积和', np.cumsum(arr)) # 累积和
	print('累积差', np.cumprod(arr)) # 累积差

# 比较函数

	# 是否大于
	print(np.greater([1, 3, 5, 1, 8, 0, -23, 3], 2))
	# 是否小于
	print(np.less([1, 3, 5, 1, 8, 0, -23, 3], 2))
	# 是否等于
	print(np.equal([1, 3, 5, 1, 8, 0, -23, 3], 3))

# 逻辑运算

	# 逻辑运算
	print(np.logical_and([1, 3, 5, 1, 8, 0, -23, 3], [1, 3, 5, 1, 8, 0, -23, 3]))
	print(np.logical_or([1, 3, 5, 1, 8, 0, -23, 3], [1, 3, 5, 1, 8, 0, -23, 3]))

# 自定义条件

	arr = np.array([1, 3, 5, 1, 8, 0, -23, 3])
	print(np.where(arr > 3, arr, 0))
	print(np.select([arr > 3, arr < 0], [arr, 0], default=arr))

# 排序函数

	arr = np.random.randint(1, 10, 20)
	print(arr)
	print(np.sort(arr))
	print(np.argsort(arr)) # 返回排序后的索引

# 去重

	arr = np.array([1, 3, 5, 1, 8, 0, -23, 3])
	print(np.unique(arr))

# 数组的拼接

	arr1 = np.array([1, 2, 3])
	arr2 = np.array([4, 5, 6])
	print(np.concatenate((arr1, arr2)))

# 数组分割

	arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
	print(np.split(arr, [3, 5])) # 分成 3 份

# 调整形状

	arr = np.random.randint(1, 10, 20)
	print(arr)
	print(arr.reshape(4, 5))

# 案例练习

# 温度数据分析

某城市一周的最高气温（℃）为 [28, 30, 29, 31, 32, 30, 29]。

计算平均气温、最高气温和最低气温。
找出气温超过 30℃ 的天数。

	arr = np.array([28, 30, 29, 31, 32, 30, 29])
	print('平均天气：', np.mean(arr))
	print('最高气温：', np.max(arr))
	print('最低气温：', np.min(arr))
	print('气温超过30℃的天数：', np.sum(arr > 30))

# 学生成绩统计

某班级 5 名学生的数学成绩为 [85, 90, 78, 92, 88]。

计算成绩的平均分、中位数和标准差。
将成绩转换为百分制（假设满分为 100）。

	arr = np.array([85, 90, 78, 92, 88])
	print('平均成绩：', np.mean(arr))
	print('中位数：', np.median(arr))
	print('标准差：', np.std(arr))
	print('成绩转换为百分制：', arr / 100 * 100)

# 数组变形

题目：创建一个 1 到 12 的一维数组，并转换为 (3, 4) 的二维数组。

计算每行的和与每列的平均值。
将数组展平为一维数组。

	arr = np.linspace(1, 12, 12, dtype=int)
	arr = arr.reshape(3, 4)
	print(arr)
	print(arr.sum(axis=1))
	print(arr.mean(axis=0))
	print(arr.flatten())

python