萬盛學電腦網

您现在的位置: 萬盛學電腦網 >> 程式設計 >  >> 網路程式設計 >> 程式語言綜合

Python NumPy 快速上手:安裝、陣列建立、索引切片、組合分割與常用統計函數

NumPy 是 Python 科學計算核心庫,提供高效多維陣列物件 ndarray 與向量化運算。本文記錄安裝步驟與基礎操作,每行代碼附註解說明。

安裝

pip install numpy
pip install ipython  # 互動式環境,含 pylab 模式自動匯入 numpy/matplotlib

陣列建立與屬性

import numpy as np
a = np.arange(5)           # [0 1 2 3 4]
a.dtype                    # dtype('int64')
a.shape                    # (5,)

m = np.array([[1,2],[3,4]])  # 2x2 矩陣
m.shape                    # (2, 2)
m[0,0]                     # 1(索引從 0 開始)

索引與切片

a[2:4]          # array([2, 3])
a[2:5:2]        # 步長 2 -> [2, 4]
a[::-1]         # 反轉 -> [4,3,2,1,0]

b = np.arange(24).reshape(2,3,4)  # 3D 陣列
b[1,2,3]        # 23
b[:,0,0]        # array([0, 12])  省略維度用 :
b.ravel()       # 展平為 1D(視圖,不複製)
b.flatten()     # 複製展平
b.shape = (6,4) # 直接修改 shape(總元素數不變)
b.T             # 轉置

陣列組合

a = np.arange(9).reshape(3,3)
b = a * 2
np.hstack((a,b))   # 水平堆疊 -> (3,6)
np.vstack((a,b))   # 垂直堆疊 -> (6,3)
np.dstack((a,b))   # 深度堆疊 -> (3,3,2)

陣列分割

np.hsplit(a, 3)  # 水平分割為 3 子陣列
np.vsplit(a, 3)  # 垂直分割為 3 子陣列

常用統計函數

c = np.array([1.,4.,7.])
np.mean(c)    # 4.0
np.max(c)     # 7.0
np.min(c)     # 1.0
np.ptp(c)     # 峰峰值 max-min = 6.0
np.median(c)  # 4.0
np.var(c)     # 6.0 方差
np.std(c)     # 2.449... 標準差
np.diff(c)    # 差分 [3., 3.]
np.where(c>3) # 條件索引 (array([1,2]),)

檔案 I/O

np.savetxt("eye.txt", np.eye(2))
data = np.loadtxt("test.csv", delimiter=",", usecols=(0,1), unpack=True)
copyright © 萬盛學電腦網 all rights reserved