NumPy 数组函数

NumPy 数组函数是 NumPy 提供的内置函数，它们允许我们创建和操作数组，并对它们执行不同的操作。

我们将讨论一些最常用的 NumPy 数组函数。

常用的 NumPy 数组函数

有许多可用的 NumPy 数组函数，但这里是一些最常用的。

NumPy 数组创建函数

数组创建函数允许我们创建新的 NumPy 数组。例如，

import numpy as np

# create an array using np.array()
array1 = np.array([1, 3, 5])
print("np.array():\n", array1)

# create an array filled with zeros using np.zeros()
array2 = np.zeros((3, 3))
print("\nnp.zeros():\n", array2)

# create an array filled with ones using np.ones()
array3 = np.ones((2, 4))
print("\nnp.ones():\n", array3)

输出

np.array():
[1 3 5]

np.zeros():
[[0. 0. 0.]
 [0. 0. 0.]
 [0. 0. 0.]]

np.ones():
[[1. 1. 1. 1.]
 [1. 1. 1. 1.]]

这里，

• np.array() - 从 Python 列表创建数组
• np.zeros() - 创建一个填充有指定形状的零的数组
• np.ones() - 创建一个填充有指定形状的壹的数组

注意：要了解更多关于 NumPy 数组创建的信息，请访问 NumPy 数组创建 和 NumPy N 维数组创建。

NumPy 数组操作函数

NumPy 数组操作函数允许我们修改或重新排列 NumPy 数组。例如，

import numpy as np

# create a 1D array
array1 = np.array([1, 3, 5, 7, 9, 11])

# reshape the 1D array into a 2D array
array2 = np.reshape(array1, (2, 3))

# transpose the 2D array
array3 = np.transpose(array2)

print("Original array:\n", array1)
print("\nReshaped array:\n", array2)
print("\nTransposed array:\n", array3)

输出

Original array:
[ 1  3  5  7  9 11]

Reshaped array:
 [[ 1  3  5]
 [ 7  9 11]]

Transposed array:
 [[ 1  7]
 [ 3  9]
 [ 5 11]]

在此示例中，

• np.reshape(array1, (2, 3)) - 将 array1 重塑为形状为 (2,3) 的二维数组
• np.transpose(array2) - 转置二维数组 array2

注意：要了解更多关于 np.reshape() 和 np.transpose() 的信息，请访问 NumPy 数组重塑 和 NumPy 数组转置。

NumPy 数组数学函数

在 NumPy 中，有大量的数学函数可以对数组进行操作。例如，

import numpy as np

# create two arrays
array1 = np.array([1, 2, 3, 4, 5])
array2 = np.array([4, 9, 16, 25, 36])

# add the two arrays element-wise
arr_sum = np.add(array1, array2)

# subtract the array2 from array1 element-wise
arr_diff = np.subtract(array1, array2)

# compute square root of array2 element-wise
arr_sqrt = np.sqrt(array2)


print("\nSum of arrays:\n", arr_sum)
print("\nDifference of arrays:\n", arr_diff)
print("\nSquare root of first array:\n", arr_sqrt)

输出

Sum of arrays:
[ 5 11 19 29 41]

Difference of arrays:
 [ -3  -7 -13 -21 -31]

Square root of first array:
 [2. 3. 4. 5. 6.]

注意：要了解更多关于 NumPy 数组数学函数的信息，请访问 NumPy 算术数组运算 和 NumPy 数学函数。

NumPy 数组统计函数

NumPy 为我们提供了各种统计函数来进行统计数据分析。

这些统计函数对于查找平均值、中位数、方差等基本统计概念非常有用。它也用于查找数组中的最大值或最小值。

让我们看一个例子。

import numpy as np

# create a numpy array
marks = np.array([76, 78, 81, 66, 85])

# compute the mean of marks
mean_marks = np.mean(marks)
print("Mean:",mean_marks)

# compute the median of marks
median_marks = np.median(marks)
print("Median:",median_marks)

# find the minimum and maximum marks
min_marks = np.min(marks)
print("Minimum marks:", min_marks)

max_marks = np.max(marks)
print("Maximum marks:", max_marks)

输出

Mean: 77.2
Median: 78.0
Minimum marks: 66
Maximum marks: 85

在这里，计算了给定数组 marks 的平均值、中位数、最小值和最大值。

注意：要了解更多关于 NumPy 数组统计函数的信息，请访问 NumPy 统计函数

NumPy 数组输入/输出函数

NumPy 提供了多种输入/输出（I/O）函数，用于将数据加载到文件或从文件加载数据。例如，

import numpy as np

# create an array
array1 = np.array([[1, 3, 5], [2, 4, 6]])

# save the array to a text file
np.savetxt('data.txt', array1)

# load the data from the text file
loaded_data = np.loadtxt('array1.txt')

# print the loaded data
print(loaded_data)

输出

[[1. 3. 5.]
 [2. 4. 6.]]

在此示例中，我们首先创建了一个名为 array1 的二维数组，然后使用 np.savetxt() 函数将其保存到文本文件中。

然后，我们使用 np.loadtxt() 函数加载保存的数据。

注意：要了解更多关于 NumPy 输入输出函数的信息，请访问 NumPy 输入输出。