numpy库入门教程：从数组创建到矩阵运算

"学习numpy库" numpy是Python中用于科学计算的核心库，提供了高效的多维数组对象和各种数学操作。这个库对于数据处理和分析非常重要，尤其在机器学习和数据分析领域。以下是对numpy库中关键概念的详细解释： **一、数组** 1、**数组创建**：`numpy.array()`函数用于创建数组，可以接受列表、元组或其他序列作为参数。通过指定`dtype`参数，可以定义数组中元素的数据类型。 ```python # 创建二维数组 a = np.array([['张','男','19'],['李','女','20']], dtype='object') # 使用arange快速生成数组 np.arange(start, stop, step) # start初始值，stop停止值（不包含），step步长 # linspace在指定范围内等间距生成数组 np.linspace(start, stop, num, endpoint=True/False) ``` 2、**数组属性**： - `ndim`：返回数组的维度。 - `shape`：返回一个元组，表示数组的行数和列数。 - `size`：返回数组元素的总数量。 - `dtype`：返回数组中元素的数据类型。 - `itemsize`：单个元素占用的字节数。 - `nbytes`：数组占用的总字节数（`size * itemsize`）。 **二、缺失值问题**： 在numpy中，缺失值通常表示为`np.nan`（Not a Number）。当数组中出现`None`或`NaN`时，数据类型通常会自动转换为`float`。 ```python # 创建包含缺失值的数组 a = np.array([1, 2, None]) ``` **三、特殊数组**： numpy提供了许多预定义的特殊数组，如全零数组`np.zeros()`，全一数组`np.ones()`，单位矩阵`np.eye()`等。 **四、`np.random`模块**： 该模块提供了各种随机数生成函数，如`np.random.rand()`（0到1之间的均匀分布）、`np.random.randn()`（标准正态分布）等。 **五、数组的排序**： 可以使用`np.sort()`对数组进行排序，`np.argsort()`返回排序后的索引。 **六、数组的重塑**： `reshape()`函数可以改变数组的形状，但必须保持总元素数量不变。 **七、索引和切片**： numpy数组支持类似于Python列表的索引和切片操作，可以访问和修改数组的特定部分。 **八、数组的合并**： 使用`concatenate()`、`stack()`或`vstack()`、`hstack()`等函数可以将多个数组合并。 **九、数组的运算**： 包括基本的算术运算（加、减、乘、除）、比较运算、逻辑运算以及广播机制。 **十、通用函数**： `numpy`提供了很多针对数组的通用函数（ufuncs），如`np.sum()`, `np.mean()`, `np.max()`等，可以对整个数组或其轴进行计算。 **十一、`np.char`模块**： 该模块提供了处理数组中字符串的方法，如`np.char.upper()`、`np.char.join()`等。 **十二、矩阵运算、协方差**： numpy支持矩阵乘法（`@`运算符或`dot()`函数）、转置（`T`属性）以及计算协方差矩阵（`cov()`函数）等线性代数操作。 **十三、其他常用函数**： numpy库中还有大量其他功能函数，如统计函数、数组操作函数、傅里叶变换等，为数据分析提供了丰富的工具。 通过深入学习和实践numpy库，可以极大地提高数据处理效率，并为后续的科学计算和数据分析工作打下坚实基础。