Python中NumPy库的核心知识总结大全

import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr.shape)   # (2, 3)
print(arr.dtype)   # int64
print(arr.ndim)    # 2
print(arr.size)    # 6

# 1维数组
arr1 = np.array([1, 2, 3, 4])
# 2维数组（列表嵌套列表）
arr2 = np.array([[1, 2], [3, 4]], dtype=np.float32)  # 指定为32位浮点数
# 强制为3维数组（即使输入是2维）
arr3 = np.array([[1, 2], [3, 4]], ndmin=3)  # shape 为 (1, 2, 2)

np.random.rand(2, 3)  # 2行3列 [0,1) 随机数
np.random.randint(1, 10, size=(3,))  # 1维3元素，值在1~9之间

arr = np.arange(12)  # shape (12,)
arr_reshape = arr.reshape(3, 4)  # shape (3,4)，元素不变

arr = np.array([[1,2],[3,4]])
arr_flat = arr.flatten()  # 副本
arr_rav = arr.ravel()     # 视图

arr = np.array([1,2,3])  # shape (3,)
arr_2d = arr[np.newaxis, :]  # shape (1,3)（行向量）
arr_2d_col = arr[:, np.newaxis]  # shape (3,1)（列向量）

a = np.array([[1,2], [3,4]])  # shape (2,2)
b = np.array([[5,6], [7,8]])  # shape (2,2)
np.concatenate([a, b], axis=0)  # 垂直拼接 → shape (4,2)
np.hstack([a, b])  # 水平拼接 → shape (2,4)

arr = np.arange(12).reshape(3,4)  # shape (3,4)
# 按索引分割（axis=0，行方向）
np.split(arr, [1,3], axis=0)  # 分割为 [0:1行, 1:3行]
# 平均分成2份（axis=1，列方向）
np.hsplit(arr, 2)  # 分割为 [0:2列, 2:4列]

arr = np.arange(8).reshape(2,2,2)  # shape (2,2,2)
arr_trans = arr.transpose(1,0,2)  # 交换0轴和1轴，新shape (2,2,2)

arr = np.array([[1,2,3], [4,5,6], [7,8,9]])  # 3×3数组
print(arr[0, 1])  # 第0行第1列 → 2
print(arr[2, -1])  # 第2行最后一列 → 9

arr = np.arange(12).reshape(3,4)  # 3行4列：[[0,1,2,3],[4,5,6,7],[8,9,10,11]]
# 取第1行（索引0）的第1到第3列（不包含3）
print(arr[0, 1:3])  # [1,2]
# 取第0到第2行（不包含2）的所有列
print(arr[0:2, :])  # [[0,1,2,3], [4,5,6,7]]
# 每隔1行取1行，每隔2列取1列
print(arr[::2, ::2])  # [[0,2], [8,10]]

arr = np.array([[1,2,3], [4,5,6], [7,8,9]])
# 筛选大于5的元素
mask = arr > 5  # 布尔数组：[[False,False,False], [False,False,True], [True,True,True]]
print(arr[mask])  # [6,7,8,9]
# 复合条件（需用 & 连接，而非 and）
print(arr[(arr > 3) & (arr < 8)])  # [4,5,6,7]

arr = np.array([10, 20, 30, 40, 50])
# 1维数组：取索引0, 2, 4的元素
print(arr[[0, 2, 4]])  # [10,30,50]
 
# 2维数组：取 (0,1)、(2,3) 位置的元素
arr2d = np.arange(12).reshape(3,4)
print(arr2d[[0,2], [1,3]])  # [1, 11]

# 示例1：1维数组与标量广播
a = np.array([1, 2, 3])
b = 2
print(a + b)  # [3,4,5]（b 广播为 [2,2,2]）
 
# 示例2：2维数组与1维数组广播
a = np.array([[1,2,3], [4,5,6]])  # shape (2,3)
b = np.array([10, 20, 30])        # shape (3,) → 广播为 (1,3) → 再扩展为 (2,3)
print(a + b)  # [[11,22,33], [14,25,36]]
 
# 示例3：高维广播
a = np.ones((2, 1, 3))  # shape (2,1,3)
b = np.ones((1, 2, 3))  # shape (1,2,3)
# 对齐维度后：(2,1,3) 与 (1,2,3) → 扩展为 (2,2,3)
print((a + b).shape)  # (2,2,3)

a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
print(a + b)  # [5,7,9]（元素相加）
print(a * b)  # [4,10,18]（元素相乘）
print(a **2)  # [1,4,9]（元素平方）
print(np.subtract(b, a))  # [3,3,3]（等价于 b - a）

a = np.array([[1,2], [3,4]])  # 2×2矩阵
b = np.array([[5,6], [7,8]])  # 2×2矩阵
print(a @ b)  # 等价于 np.dot(a,b) → [[19,22], [43,50]]

arr = np.array([1, 2, 3], dtype=np.int32)
arr_float = arr.astype(np.float64)  # 转为float64 → [1. 2. 3.]
arr_str = arr.astype(np.string_)    # 转为字符串 → [b'1' b'2' b'3']