附加Numpy数组

Numpy是Python的一个开源数值计算扩展程序库，支持高级大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。

安装Numpy

在大多数情况下，我们使用Anaconda作为Python的发行版本，它自带了Numpy以及其他很多常用的科学计算库，如果你还没有安装Anaconda，可以访问其官网下载并安装。

导入Numpy模块

在Python中，我们可以使用import语句来导入Numpy模块：

import numpy as np

创建Numpy数组

创建Numpy数组的方式有很多，以下是一些常见的方式：

1、使用np.array()函数：这是最常用的创建Numpy数组的方式。

arr = np.array([1, 2, 3, 4, 5])
print(arr)

2、使用列表推导式：这种方式可以很方便地创建多维数组。

arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr)

3、使用numpy.arange()函数：这个函数可以创建一个等差数列。

arr = np.arange(0, 10, 2)
print(arr)

Numpy数组的基本操作

Numpy数组有很多基本的操作，包括索引、切片、变形、统计等等，以下是一些常见的操作：

1、索引和切片：Numpy数组支持两种类型的索引，一种是正向递增的整数索引，另一种是反向递减的整数索引。

arr = np.array([1, 2, 3, 4, 5])
print(arr[0])  # 输出：1
print(arr[1])  # 输出：5
print(arr[1:3])  # 输出：[2, 3]

2、变形：Numpy提供了reshape()函数，可以改变数组的形状。

arr = np.array([1, 2, 3, 4, 5, 6])
print(arr.reshape((2, 3)))  # 输出：[[1, 2, 3], [4, 5, 6]]

3、统计：Numpy提供了很多统计函数，如sum()、mean()、max()、min()等。

arr = np.array([1, 2, 3, 4, 5])
print(np.sum(arr))  # 输出：15
print(np.mean(arr))  # 输出：3.0
print(np.max(arr))  # 输出：5
print(np.min(arr))  # 输出：1

Numpy数组的数学运算

Numpy提供了丰富的数学函数库，可以进行各种复杂的数学运算，以下是一些常见的运算：

1、加法和减法：可以使用+和运算符进行加法和减法运算。

arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
print(arr1 + arr2)  # 输出：[5, 7, 9]
print(arr1 arr2)  # 输出：[3, 3, 3]

2、乘法和除法：可以使用*和/运算符进行乘法和除法运算。

arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
print(arr1 arr2)  # 输出[4, 10, 18]
print(arr1 / arr2)  # 输出：[0.25, 0.4, 0.5]

3、dot product（点积）：可以使用np.dot()函数进行点积运算。

arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
print(np.dot(arr1, arr2))  # 输出：32

归纳全文

以上就是关于Numpy数组的一些基本知识和操作，希望对你有所帮助，Numpy是一个非常强大的科学计算库，还有很多其他的功能等待你去探索，如果你在使用过程中遇到任何问题，都可以查阅Numpy的官方文档或者在网上搜索解决方案。