本文实例讲述了Python Numpy库常见用法。分享给大家供大家参考，具体如下：

1、简介

Numpy是一个常用的Python科学技术库，通过它可以快速对数组进行操作，包括形状操作、排序、选择、输入输出、离散傅立叶变换、基本线性代数，基本统计运算和随机模拟等。许多Python库和科学计算的软件包都使用Numpy数组作为操作对象，或者将传入的Python数组转化为Numpy数组，因此在Python中操作数据离不开Numpy。

Numpy的核心是ndarray对象，由Python的n维数组封装而来，但通过C语言预编译相关的数组操作，因此比原生Python具有更高的执行效率，但仍然使用Python语言编码，这样就同时具有简洁的代码和高效的运行速度。ndarry与数组有些区别值得注意，numpy数组中的元素都具有相同的类型，并且在创建时就确定了固定的大小，这与Python数组对象可以动态增长不同。

2、数组对象

2.1、属性

Numpy对象的形式是同构多维数组，数组的维度称为轴(axis)，每个维度上元素的个数称为轴的长度。例如下面是一个2×3的二维数组arr，第一轴长度为3，第二轴长度为2

arr = [[ 1., 0., 0.],
    [ 0., 1., 2.]]

arr数组对象常用的属性如下：

# 数组轴的个数
arr.ndim
# 数组维度及长度，例如2×3的数组其shape为(2, 3)
arr.shape
# 数组元素的总个数
arr.size
# 数组中元素的数据类型
arr.dtype
# 数组中元素所占字节数
arr.itemsize

2.2、创建数组

可以通过array()方法包裹普通python数组将其转化为numpy数组，通过dtype=规定元素的数据类型。数组可以是二维等高维数组，也可以是元组的形式。

如果需要填充已知大小的数组可以使用函数zeros()，将元素都填充为0，或者ones()将元素填充为1，empty()将元素填充为随机数

arange(a,b,c)函数用于从a到b每隔c长度生成一个数组元素。linspace(a,b,c)函数用于在a到b之间生成c个数组元素

# 普通数组转化为numpy数组
a1 = np.array([2, 3, 4], dtype=float)
print(a1)                  
# 将元组数组转化为二维numpy数组
a2 = np.array([(1, 2, 3), (3, 4, 5)])
print(a2)
# 将3×3的数组用1填充
a3 = np.ones((3, 3))
print(a3)
# 从1到10，每隔2生成一个元素
a4 = np.arange(1, 10, 2)
print(a4)
# 在1到12之间生成4个元素
a5 = np.linspace(1, 12, 4, dtype=int)
print(a5)
 
'''
普通数组转化为numpy对象：
[2. 3. 4.]
元组数组：
[[1 2 3]
 [3 4 5]]
用1填充数组：
[[1. 1. 1.]
 [1. 1. 1.]
 [1. 1. 1.]]
从1到10每隔2生成一个元素：
[1 3 5 7 9]
在1到12之间生成4个元素：
[ 1 4 8 12]
'''

2.3、数组操作

算术运算符可以直接运用在矩阵上，其结果是将运算应用到每个元素上，例如矩阵A*B就是每个元素对应相乘，矩阵的乘法运算使用的是@符号

A = np.array([[1, 1],
       [0, 1]])
B = np.array([[2, 0],
       [3, 4]])
print(A * B)
print(A @ B)
 
'''
矩阵元素对应相乘：
[[2 0]
 [0 4]]
矩阵的乘法：
[[5 4]
 [3 4]]
'''

numpy中有些函数应用于整个数组，例如求和sum、最大值max、最小值min。如果在这些参数中指定了某个轴，则应用于指定轴。

还有一些函数应用于数组中的具体元素，例如求sin、cos、exp、开方sqrt等，这些函数叫做通函数（ufunc）

a = np.array([[0, 1, 2, 3],
       [4, 5, 6, 7],
       [8, 9, 10, 11]])
print(a.max()) # 求整体的最大值，结果为11
print(a.sum(axis=0)) # 求每一列的和，结果为：[12 15 18 21]
print(np.sqrt(a))  # 数组每个元素求开方