【Numpy函数手册(中文版)】在Python编程语言中，NumPy 是一个非常重要的科学计算库，广泛应用于数据分析、机器学习、图像处理等领域。它提供了高效的多维数组对象以及对这些数组进行操作的函数。对于初学者或希望深入理解 NumPy 的开发者来说，掌握其常用函数是必不可少的。
本文将介绍一些 NumPy 中常用的函数及其基本用法，帮助读者更好地理解和使用这一强大的工具。
一、数组创建相关函数
1. `np.array()`
用于将列表或元组转换为 NumPy 数组。
```python
import numpy as np
a = np.array([1, 2, 3])
print(a)
```
2. `np.zeros()`
生成全为 0 的数组。
```python
b = np.zeros((3, 3))
print(b)
```
3. `np.ones()`
生成全为 1 的数组。
```python
c = np.ones((2, 4))
print(c)
```
4. `np.arange()`
类似于 Python 的 `range()` 函数，但返回的是 NumPy 数组。
```python
d = np.arange(0, 10, 2)
print(d)
```
5. `np.linspace()`
生成等差数列。
```python
e = np.linspace(0, 1, 5)
print(e)
```
二、数组操作相关函数
1. `np.reshape()`
改变数组形状。
```python
f = np.arange(6).reshape(2, 3)
print(f)
```
2. `np.transpose()`
转置数组。
```python
g = np.array([[1, 2], [3, 4]])
h = np.transpose(g)
print(h)
```
3. `np.concatenate()`
连接多个数组。
```python
i = np.array([1, 2])
j = np.array([3, 4])
k = np.concatenate((i, j))
print(k)
```
4. `np.split()`
将数组分割成多个子数组。
```python
l = np.arange(6)
m = np.split(l, 3)
print(m)
```
三、数学运算相关函数
1. `np.sum()`
计算数组元素总和。
```python
n = np.array([1, 2, 3])
o = np.sum(n)
print(o)
```
2. `np.mean()`
计算平均值。
```python
p = np.mean(n)
print(p)
```
3. `np.std()`
计算标准差。
```python
q = np.std(n)
print(q)
```
4. `np.sqrt()`
计算平方根。
```python
r = np.sqrt(n)
print(r)
```
5. `np.dot()`
计算两个数组的点积。
```python
s = np.array([1, 2])
t = np.array([3, 4])
u = np.dot(s, t)
print(u)
```
四、统计函数
1. `np.min()` 和 `np.max()`
找出数组中的最小值和最大值。
```python
v = np.array([10, 20, 5, 30])
w = np.min(v)
x = np.max(v)
print("最小值:", w, "最大值:", x)
```
2. `np.argmin()` 和 `np.argmax()`
返回最小值和最大值的索引。
```python
y = np.argmin(v)
z = np.argmax(v)
print("最小值索引:", y, "最大值索引:", z)
```
五、随机数生成函数
1. `np.random.rand()`
生成指定形状的随机浮点数数组（0 到 1 之间）。
```python
aa = np.random.rand(2, 3)
print(aa)
```
2. `np.random.randint()`
生成指定范围内的整数随机数组。
```python
ab = np.random.randint(1, 10, size=(3, 3))
print(ab)
```
六、其他常用函数
1. `np.where()`
根据条件选择元素。
```python
ac = np.array([1, 2, 3, 4, 5])
ad = np.where(ac > 3, ac, 0)
print(ad)
```
2. `np.unique()`
查找数组中的唯一元素。
```python
ae = np.array([1, 2, 2, 3, 4, 4])
af = np.unique(ae)
print(af)
```
结语
NumPy 提供了丰富的函数来处理数值数据，是进行大规模科学计算的基础工具。掌握这些函数不仅能够提高代码效率，还能让数据处理变得更加直观和便捷。希望本文能为初学者提供一份实用的参考指南，并帮助大家更深入地理解 NumPy 的强大功能。
