Python函数库Numpy的基本使用方法及实现

Numpy是Python中一个非常常用的数学函数库，主要用于处理数组和矩阵操作。在科学计算、机器学习和深度学习等领域中，Numpy都有着非常广泛的应用。

本文将介绍Numpy的基本使用方法和一些实现案例，帮助初学者更好地了解和掌握Numpy函数库。

一、Numpy基本概念

1.数组（Array）

在Numpy中，数组是其中最基本的概念。简单来说，数组就是由同种数据类型元素所组成的有序集合。

2.矩阵（Matrix）

Numpy中的矩阵是一个特殊的二维数组，其含义就是将二维数组的数学概念应用到程序中。因此，矩阵是一种非常常用的结构。

3.张量（Tensor）

张量是Numpy中多维数组的一种称谓，通常用于机器学习和深度学习中。

二、Numpy基本使用方法

1.安装Numpy库

使用pip命令安装Numpy库，命令如下：

2.导入Numpy库

Numpy库的导入语句通常为：




3.Numpy数组的创建方式

Numpy数组可以通过以下方式进行创建：


import numpy as np

#通过list创建一维数组
a = np.array([1,2,3,4,5])
print(a) #[1 2 3 4 5]

#通过list创建多维数组
b = np.array([[1,2,3],[4,5,6],[7,8,9]])
print(b) #[[1 2 3]
         # [4 5 6]
         # [7 8 9]]
         
#numpy数组元素的类型
print(a.dtype) # int32
print(b.dtype) #int32



4.Numpy数组的属性

使用Numpy数组的属性可以获取数组的信息，包括数组的维度、形状、数据类型、元素个数等。


import numpy as np

a = np.array([1,2,3,4,5])
print(a.shape) #(5,)
print(a.ndim) #1

b = np.array([[1,2,3],[4,5,6],[7,8,9]])
print(b.shape) #(3,3)
print(b.ndim) #2

#数组的元素个数
print(a.size) #5
print(b.size) #9



5.数组的运算

Numpy数组支持各种数学运算，如加减乘除、矩阵乘法、元素大小比较、矩阵转置等。


import numpy as np

a = np.array([1,2,3,4,5])
b = np.array([6,7,8,9,10])

#数组的加减法
print(a+b) #[ 7,  9, 11, 13, 15]
print(a-b) #[-5, -5, -5, -5, -5]

#数组的乘法
print(a*b) #[ 6, 14, 24, 36, 50]

#矩阵乘法
c = np.array([[1,2,3],[4,5,6],[7,8,9]])
d = np.array([[1,1,1],[2,2,2],[3,3,3]])
print(np.dot(c,d)) #[[14 14 14] [32 32 32] [50 50 50]]

#元素比较
print(a>b) #[False False False False False]

#矩阵的转置
print(c.T)



6.Numpy函数库

Numpy库提供了非常丰富的函数库，其中包含了数学、统计、随机、线性代数、傅里叶变换等方面函数。这里我们举几个例子进行介绍。


import numpy as np

#平均数、方差、标准差
a = np.array([1,2,3,4,5])
print(np.mean(a)) #3.0
print(np.var(a)) #2.0
print(np.std(a)) #1.4142135623730951

#最大值、最小值、中位数
print(np.max(a)) #5
print(np.min(a)) #1
print(np.median(a)) #3.0

#随机函数
print(np.random.rand(5)) #[0.27395686, 0.26575639, 0.99346125, 0.98357852, 0.16037939]
print(np.random.randint(1,10,(5,5))) #[[1 6 9 4 1] [6 9 4 9 7] [5 1 9 6 4] [3 8 9 1 5] [8 1 1 2 6]]

#线性代数
b = np.array([[1,2,3],[4,5,6],[7,8,9]])
print(np.linalg.det(b)) #0.0
eigvalue,eigvector = np.linalg.eig(b)
print("eigvalue:", eigvalue) #eigvalue: [ 1.61168440e+01 -1.11684397e+00 -1.30367773e-15]
print("eigvector:", eigvector) 
#eigvector:[[ 0.23197069, -0.78583024,  0.40824829] 
#           [ 0.52532209, -0.08675134, -0.81649658] 
#           [ 0.8186735 ,  0.61232756,  0.40824829]]

#傅里叶变换
c = np.array([1,2,3,4,5,6])
print(np.fft.fft(c)) # [21.0+0.j , -3.0+5.19615242j , -3.0+1.73205081j, -3.0 -1.73205081j, -3.0 -5.19615242j, 21.0+0.j]



三、实现案例

以下是一个简单的案例，用Numpy库实现一个神经网络模型。


import numpy as np

#输入层
inputs = np.array([1,2,3,4,5])

#权重
weights = np.array([0.2,0.4,0.6,0.8,1.0])

#偏置
bias = 0.5

#输出
output = np.dot(inputs,weights) + bias

print(output) #16.5



以上就是Numpy函数库的基本使用方法和实现案例，Numpy不仅提供了数组、矩阵、张量的操作，还拥有丰富的数学函数库，能够帮助开发者高效地进行科学计算和数据分析。