掌握NumPy：Python数值计算的核心利器（NumPy入门与实战教程）

安装 NumPy

如果你尚未安装 NumPy，可以通过 pip 快速安装：

pip install numpy

创建 NumPy 数组

NumPy 的核心是 ndarray（N-dimensional array）对象。你可以通过多种方式创建数组：

import numpy as np# 从列表创建一维数组arr1 = np.array([1, 2, 3, 4])print("一维数组:", arr1)# 创建二维数组arr2 = np.array([[1, 2], [3, 4]])print("二维数组:\n", arr2)# 创建全零数组zeros = np.zeros((2, 3))print("全零数组:\n", zeros)# 创建全一数组ones = np.ones((2, 2))print("全一数组:\n", ones)# 创建等差数列linspace = np.linspace(0, 10, 5)  # 从0到10，共5个数print("等差数列:", linspace)

数组的基本属性

了解数组的形状、维度和数据类型对后续操作至关重要：

arr = np.array([[1, 2, 3], [4, 5, 6]])print("数组形状 (shape):", arr.shape)     # (2, 3)print("数组维度 (ndim):", arr.ndim)       # 2print("元素总数 (size):", arr.size)       # 6print("数据类型 (dtype):", arr.dtype)     # int64（取决于系统）

NumPy 数组操作

NumPy 提供了丰富的 NumPy数组操作 方法，例如索引、切片、重塑、合并等：

# 索引与切片arr = np.array([[1, 2, 3], [4, 5, 6]])print("第一行:", arr[0])          # [1 2 3]print("第二列:", arr[:, 1])       # [2 5]# 重塑数组reshaped = arr.reshape(3, 2)print("重塑后:\n", reshaped)# 数组运算（向量化）a = np.array([1, 2, 3])b = np.array([4, 5, 6])print("相加:", a + b)             # [5 7 9]print("平方:", a ** 2)            # [1 4 9]# 广播机制matrix = np.array([[1, 2], [3, 4]])vector = np.array([10, 20])result = matrix + vectorprint("广播加法:\n", result)

为什么选择 NumPy？

• ✅ 性能卓越：底层用 C 语言实现，速度远超原生 Python 列表。
• ✅ 内存高效：连续内存存储，减少开销。
• ✅ 功能丰富：支持线性代数、傅里叶变换、随机数生成等。
• ✅ 生态系统核心：是 SciPy、Pandas、Scikit-learn 等库的基石。

小结

通过本篇 NumPy教程，你已经掌握了 NumPy 的基本用法，包括数组创建、属性查看、常见操作等。这些知识是进行更高级 Python数值计算 的基础。建议你动手实践上述代码，并尝试修改参数观察结果变化，以加深理解。

下一步，你可以探索 NumPy 的数学函数（如 np.sin()、np.log()）、统计方法（如 np.mean()、np.std()）以及文件 I/O 功能，进一步提升你的数据处理能力。

坚持练习，你将很快熟练运用 NumPy 解决实际问题！