NumPy 数据处理：高效的 Python 数组操作指南78

NumPy (Numerical Python) 是 Python 的一个核心科学计算库，其核心是强大的 N 维数组对象 ndarray。 ndarray 提供了高效的数值计算能力，远超 Python 内置列表，使其成为数据科学、机器学习和科学计算领域不可或缺的工具。本文将深入探讨 NumPy 数据的创建、操作和应用，并通过大量示例代码帮助读者掌握 NumPy 的精髓。

一、创建 NumPy 数组

创建 NumPy 数组有多种方式，最常用的方法是使用 `()` 函数，它可以从 Python 列表或元组创建数组：```python
import numpy as np
# 从列表创建数组
data = [1, 2, 3, 4, 5]
arr = (data)
print(arr) # 输出: [1 2 3 4 5]
# 从嵌套列表创建多维数组
data2 = [[1, 2, 3], [4, 5, 6]]
arr2 = (data2)
print(arr2) # 输出: [[1 2 3]
# [4 5 6]]
```

除了 `array()` 函数，NumPy 还提供了一些便捷函数创建特殊类型的数组，例如：```python
# 创建全零数组
zeros_arr = ((2, 3)) # 创建一个 2x3 的全零数组
print(zeros_arr)
# 创建全一数组
ones_arr = ((3, 2)) # 创建一个 3x2 的全一数组
print(ones_arr)
# 创建指定数值的数组
full_arr = ((2, 2), 7) # 创建一个 2x2 的全 7 数组
print(full_arr)
# 创建等差数列数组
arange_arr = (0, 10, 2) # 从 0 到 10，步长为 2
print(arange_arr)
# 创建指定范围和数量的等差数列
linspace_arr = (0, 1, 5) # 从 0 到 1，产生 5 个数
print(linspace_arr)
# 创建随机数数组
random_arr = (3, 3) # 创建一个 3x3 的随机数数组(0,1)
print(random_arr)
random_int_arr = (0, 10, size=(2,3)) # 创建一个 2x3 的随机整数数组(0-9)
print(random_int_arr)
# 创建单位矩阵
identity_arr = (3) # 创建一个 3x3 的单位矩阵
print(identity_arr)
```

二、NumPy 数组的操作

NumPy 提供了丰富的数组操作函数，包括：

1. 数组属性：```python
arr = ([[1, 2, 3], [4, 5, 6]])
print() # 输出数组的形状 (2, 3)
print() # 输出数组的数据类型 int64
print() # 输出数组元素个数 6
print() # 输出数组的维度 2
```

2. 数组索引和切片：与 Python 列表类似，NumPy 数组支持索引和切片操作：```python
print(arr[0, 1]) # 输出: 2
print(arr[0:1, :]) # 输出: [[1 2 3]]
print(arr[:, 1]) # 输出: [2 5]
```

3. 数组运算：NumPy 支持对数组进行各种算术运算，运算会应用于数组的每个元素：```python
arr1 = ([1, 2, 3])
arr2 = ([4, 5, 6])
print(arr1 + arr2) # 输出: [5 7 9]
print(arr1 * arr2) # 输出: [ 4 10 18]
print(arr1 / arr2) # 输出: [0.25 0.4 0.5 ]
```

4. 数组变形：`reshape()` 函数可以改变数组的形状：```python
arr = (12)
arr_reshaped = (3, 4)
print(arr_reshaped)
```

5. 数组合并：`concatenate()`、`vstack()`、`hstack()` 函数可以合并数组：```python
arr1 = ([1, 2, 3])
arr2 = ([4, 5, 6])
print(((arr1, arr2))) # 沿轴0合并
print(((arr1, arr2))) # 垂直合并
print(((arr1, arr2))) # 水平合并
```

6. 数组统计：NumPy 提供了各种统计函数，例如 `mean()`、`sum()`、`std()`、`max()`、`min()` 等：```python
arr = ([1, 2, 3, 4, 5])
print((arr)) # 输出: 3.0
print((arr)) # 输出: 15
print((arr)) # 输出: 1.4142135623730951
print((arr)) # 输出: 5
print((arr)) # 输出: 1
```

三、NumPy 的应用示例

NumPy 在数据科学中有着广泛的应用，例如：

1. 数据预处理: NumPy 可以用于数据清洗、转换和特征工程，例如数据标准化、归一化等。

2. 矩阵运算: NumPy 提供高效的矩阵运算功能，可以用于机器学习中的模型训练。

3. 图像处理: NumPy 可以用于图像的读取、处理和显示。

4. 科学计算: NumPy 可以用于各种科学计算任务，例如数值积分、微分方程求解等。

四、总结

本文介绍了 NumPy 的基本用法，包括数组的创建、操作和应用。NumPy 是 Python 数据科学的核心库，掌握 NumPy 的技能对于从事数据科学、机器学习等相关领域的工作至关重要。 建议读者通过实践进一步深入学习 NumPy 的更多高级特性和应用。

2025-05-06

上一篇：Python数据可视化：从数据读取到图表绘制的完整指南

下一篇：Python高效处理Oracle数据库与CSV文件：数据导入导出与批量操作