一、概念简介
在Python科学计算中，NumPy是一个重要的第三方库，用于处理大型数组和矩阵计算。
其中ndarray是NumPy中最重要的类，它是Python中多维数组的主要表示方式，可以存储具有相同类型的元素集合。
ndarray的重要特点包括：
- 多维数据容器，每个维度都有一个整数
- 每个元素都必须是统一类型的
- 所有元素都是同一类型的
- 所有元素都连续存储
二、创建ndarray
NumPy提供了多种方法来创建ndarray，包括：
- 使用array函数从Python序列（例如list或tuple）中创建
- 使用函数zeros、ones或empty来创建指定形状和类型的数组
- 使用numpy.random中的函数从随机生成的数据中创建数组
以下是创建ndarray的代码示例：
import numpy as np
# 从Python序列中创建
x = np.array([1, 2, 3])
print(x) # 输出：[1 2 3]
# 创建指定形状的数组
y = np.zeros((3, 3))
print(y) # 输出：[[0. 0. 0.]
# [0. 0. 0.]
# [0. 0. 0.]]
# 从随机数据中创建数组
z = np.random.rand(2, 2)
print(z) # 输出：[[0.11998367 0.5357148 ]
# [0.09606219 0.33204588]]
三、访问和修改ndarray
通过索引和切片，我们可以访问和修改ndarray，这与Python中的列表非常相似。
以下是访问和修改ndarray的代码示例：
import numpy as np
# 创建一个长度为4的一维数组
a = np.array([1, 2, 3, 4])
# 访问元素
print(a[0]) # 输出1
# 修改元素
a[0] = 5
print(a) # 输出[5 2 3 4]
# 创建二维数组
b = np.array([[1, 2, 3], [4, 5, 6]])
# 访问元素
print(b[1, 2]) # 输出6
# 切片操作
print(b[:, :2]) # 输出[[1 2]
# [4 5]]
四、ndarray的运算
NumPy的ndarray支持各种数学运算，包括加、减、乘、除等。
以下是运算ndarray的代码示例：
import numpy as np
# 创建两个数组
a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])
# 加法
print(a + b) # 输出[[ 6 8]
# [10 12]]
# 乘法
print(a * b) # 输出[[ 5 12]
# [21 32]]
# 矩阵乘法
print(np.dot(a, b)) # 输出[[19 22]
# [43 50]]
五、ndarray的聚合函数
NumPy提供了许多用于聚合ndarray的函数，如求和、平均值、中位数等。
以下是聚合函数的代码示例：
import numpy as np # 创建数组 a = np.array([1, 2, 3]) # 求和 print(np.sum(a)) # 输出6 # 平均值 print(np.mean(a)) # 输出2.0 # 中位数 print(np.median(a)) # 输出2.0
总结
本文介绍了Python中NumPy库中的ndarray类的概念、创建、访问和修改、运算和聚合函数。我们可以发现，利用ndarray，Python可以很方便地进行科学计算。
原创文章，作者：小蓝，如若转载，请注明出处：https://www.506064.com/n/232456.html
微信扫一扫 
支付宝扫一扫 