Numpy库是Python中最常用的数据处理库之一，它凭借着其高效、便捷的操作方式广受数据分析人员的喜爱。在Numpy库中，有许多常用的函数可以帮助我们快速、高效地完成数据处理任务。本篇文章将介绍一些常用的Numpy函数，并提供代码示例和实际应用场景，让读者能够更快地上手Numpy库。
一、创建数组
- numpy.array
函数原型：numpy.array(object, dtype=None, copy=True, order='K', subok=False, ndmin=0)
功能描述：将列表等对象转化为数组。
代码实例：
import numpy as np a = np.array([1, 2, 3]) print(a) # 输出 [1 2 3]
- numpy.zeros
函数原型：numpy.zeros(shape, dtype=float, order='C')
功能描述：创建指定形状的全零数组。
代码实例：
import numpy as np
a = np.zeros((2, 3))
print(a) # 输出 [[0. 0. 0.]
# [0. 0. 0.]]- numpy.ones
函数原型：numpy.ones(shape, dtype=None, order='C')
功能描述：创建指定形状的全一数组。
代码实例：
import numpy as np
a = np.ones((2, 3))
print(a) # 输出 [[1. 1. 1.]
# [1. 1. 1.]]- numpy.arange
函数原型：numpy.arange(start, stop, step, dtype=None)
功能描述：创建等差数列数组。
代码实例：
import numpy as np a = np.arange(0, 10, 2) print(a) # 输出 [0 2 4 6 8]
二、数组的操作
- numpy.reshape
函数原型：numpy.reshape(a, newshape, order='C')
功能描述：将数组a转换为指定形状的新数组。
代码实例：
import numpy as np
a = np.array([1, 2, 3, 4, 5, 6])
b = a.reshape((2, 3))
print(b) # 输出 [[1 2 3]
# [4 5 6]]- numpy.transpose
函数原型：numpy.transpose(a, axes=None)
功能描述：对数组进行转置操作。
代码实例：
import numpy as np
a = np.array([[1, 2, 3], [4, 5, 6]])
b = np.transpose(a)
print(b) # 输出 [[1 4]
# [2 5]
# [3 6]]- numpy.concatenate
函数原型：numpy.concatenate((a1, a2, ...), axis=0)
功能描述：对数组进行拼接操作。
代码实例：
import numpy as np
a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])
c = np.concatenate((a, b), axis=0)
print(c) # 输出 [[1 2]
# [3 4]
# [5 6]
# [7 8]]三、数组的计算
- numpy.abs
函数原型：numpy.abs(x, args, *kwargs)
功能描述：计算数组中各元素的绝对值。
代码实例：
import numpy as np a = np.array([-1, 2, -3]) b = np.abs(a) print(b) # 输出 [1 2 3]
- numpy.round
函数原型：numpy.round(a, decimals=0, out=None)
功能描述：对数组中的元素进行四舍五入。
代码实例：
import numpy as np a = np.array([1.3, 2.6, 3.2]) b = np.round(a) print(b) # 输出 [1. 3. 3.]
- numpy.sum
函数原型：numpy.sum(a, axis=None)
功能描述：计算数组中各元素之和。
代码实例：
import numpy as np a = np.array([[1, 2], [3, 4]]) b = np.sum(a, axis=0) print(b) # 输出 [4 6]
四、常用数学函数
- numpy.exp
函数原型：numpy.exp(x, args, *kwargs)
功能描述：计算数组中各元素的指数函数值。
代码实例：
import numpy as np a = np.array([1, 2, 3]) b = np.exp(a) print(b) # 输出 [ 2.71828183 7.3890561 20.08553692]
- numpy.log
函数原型：numpy.log(x, args, *kwargs)
功能描述：计算数组中各元素的自然对数。
代码实例：
import numpy as np a = np.array([1, 2, 3]) b = np.log(a) print(b) # 输出 [0. 0.69314718 1.09861229]
- numpy.sqrt
函数原型：numpy.sqrt(x, args, *kwargs)
功能描述：计算数组中各元素的平方根。
代码实例：
import numpy as np a = np.array([1, 4, 9]) b = np.sqrt(a) print(b) # 输出 [1. 2. 3.]
五、实际应用场景
- 模拟多项式函数
import numpy as np import matplotlib.pyplot as plt x = np.linspace(-5, 5, num=50) y = np.power(x, 3) - 3 * np.power(x, 2) + 2 * x + 1 plt.plot(x, y) plt.show()
- 数组加权求和
import numpy as np a = np.array([1, 2, 3, 4]) b = np.array([0.1, 0.2, 0.3, 0.4]) result = np.sum(a * b) print(result) # 输出 2.0
- 对数组进行排序
import numpy as np a = np.array([3, 2, 1, 4]) b = np.sort(a) print(b) # 输出 [1 2 3 4]
总结：
本篇文章介绍了Numpy库的一些常用函数和应用场景，包括数组的创建、操作、计算，以及一些数学函数。我们可以根据实际应用场景灵活使用这些函数，让数据处理更加高效便捷。建议读者自己动手编写代码实践一下，加深对Numpy库的理解和掌握。
