Part 3. Numpy 安装与介绍
在本节中，我将说明 Numpy 的安装与介绍。
课程视频
Numpy 安装
在虚拟环境中，可以运行下述命令安装Numpy。
pip install numpy
conda install numpy
python -c "import numpy as np;print(np.__version__)"
Numpy 介绍
Numpy官网: https://numpy.org/ Numpy文档: https://numpy.org/doc/stable/ Numpy的github: https://github.com/numpy/numpy
NumPy（Numerical Python）是 Python 中一个用于科学计算的库。
它提供了一个高效的多维数组对象（ndarray），并且支持大量的数学运算和数据操作。
NumPy 是许多数据分析、机器学习和科学计算库的基础。
功能展示
1. import numpy as np 说明
这使用 NumPy 时的标准导入方式。
np 是对 NumPy 库的常用别名，几乎所有使用 NumPy 的 Python 代码都会采用这种方式。
通过这种方式，你可以轻松调用 NumPy 中的函数和方法。
import numpy as np
2. ndarray（多维数组）
ndarray 是 NumPy 的核心数据结构，它是一个高效、固定大小的多维数组，支持批量的数学运算。
arr = np.array([1, 2, 3]) # 创建一个一维数组
print(arr)
[1 2 3]
3. 广播（Broadcasting）
NumPy 支持数组形状不同但可以进行算术运算的功能，称为广播。
a = np.array([1, 2, 3])
b = np.array([10])
print(a + b) # 输出 [11, 12, 13]
[11 12 13]
4. 数学运算
NumPy 提供了大量的数学函数，可以对数组进行快速运算，包括加、减、乘、除等操作。
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
print(np.add(a, b)) # 输出 [5 7 9]
[5 7 9]
5. 创建数组
NumPy 提供多种方式来创建数组，比如创建全 0 数组、全 1 数组或指定范围的数组。
np.zeros((2, 3)) # 创建一个 2x3 的零数组
array([[0., 0., 0.],
[0., 0., 0.]])
np.ones((2, 3)) # 创建一个 2x3 的一数组
array([[1., 1., 1.],
[1., 1., 1.]])
np.arange(0, 10, 2) # 创建一个从 0 到 10 步长为 2 的数组
array([0, 2, 4, 6, 8])
应用场景
NumPy 广泛应用于以下领域：
-
数据分析与处理： NumPy 提供的高效数组操作可以加速大规模数据的处理，特别适用于科学计算和数据分析。
-
机器学习： 在机器学习中，NumPy 用于数据预处理、特征工程、计算模型的损失函数、梯度下降优化等任务。
-
数值计算： NumPy 可以用于解决线性代数问题、最优化问题、数值积分等。
-
信号与图像处理： NumPy 提供的数学函数和数组操作可用于信号处理、图像变换、滤波等应用。
总结
NumPy 是一个强大的工具，提供了高效的数组操作和大量数学函数，使得 Python 在处理科学计算、数据分析、机器学习等领域更加高效和便捷。