小编给大家分享一下学习numpy会遇到的问题，希望大家阅读完这篇文章后大所收获，下面让我们一起去探讨方法吧！

1、什么是numpy？

一言以蔽之，numpy是python中基于数组对象的科学计算库。

提炼关键字，可以得出numpy以下三大特点：

拥有n维数组对象;拥有广播功能（后面讲到）；拥有各种科学计算API，任你调用；2、如何安装numpy？

因为numpy是一个python库，所以使用python包管理工具pip或者conda都可以安装。

安装python后，打开cmd命令行，输入：

pipinstallnumpy

即可完成安装。

3、什么是n维数组对象？

n维数组（ndarray）对象，是一系列同类数据的集合，可以进行索引、切片、迭代操作。

numpy中可以使用array函数创建数组:

importnumpyasnpnp.array([1,2,3])#输出：array([1,2,3])4、如何区分一维、二维、多维？

判断一个数组是几维，主要是看它有几个轴（axis）。

一个轴表示一维数组，两个轴表示二维数组，以此类推。

每个轴都代表一个一维数组。

比如说，二维数组第一个轴里的每个元素都是一个一维数组，也就是第二个轴。

一维数组一个轴：

[1,2,3]

二维数组两个轴：

[[0,1,2],[3,4,5]]

三维数组三个轴：

[[[0,1,2],[3,4,5]],[[6,7,8],[9,10,11]]]

以此类推n维数组。

5、如何创建n维数组？

numpy中常用array函数创建数组，传入列表或元组即可。

创建一维数组，并指定数组类型为int：

importnumpyasnpnp.array([1,2,3],dtype=int)#输出：array([1,2,3])

创建二维数组：

importnumpyasnpnp.array(((1,2),(3,4)))'''输出：array([[1,2],[3,4]])'''

还可以使用arange函数创建一维数字数组，用法类似python的range函数.

importnumpyasnpnp.arange(1,6)'''输出：array([1,2,3,4,5])'''6、如何创建随机数组？

numpy的random模块用来创建随机数组。

random.rand函数，生成[0,1)均匀分布的随机数组

importnumpyasnp#创建2行2列取值范围为[0,1)的数组np.random.rand(2,2)'''输出：array([[0.99449146,0.92339551],[0.1837405,0.41719798]])'''random.randn函数，生成数值成标准正态分布（平均值为0，标准差为1）的数组

importnumpyasnp#创建2行3列，取值范围为标准正态分布的数组np.random.randn(3,2)'''输出：array([[-1.27481003,-1.5888111],[0.16985203,-2.91526479],[1.75992671,-2.81304831]])'''random.randint函数，生成可以指定范围的随机整数数组

importnumpyasnp#创建2行2列,取值范围为[2,10)的随机整数数组np.random.randint(2,10,size=(2,2))'''输出：array([[5,4],[3,7]])'''random.normal函数，生成数值成正态分布（可指定平均值、标准差）的数组

importnumpyasnp#创建一维，数值成正态分布（均值为1，标准差为2）的数组#参数loc代表均值，scale代表标准差np.random.normal(loc=1,scale=2,size=5)'''输出：array([0.82962241,0.41738042,0.0470862,1.79446076,-1.47514478])'''

random模块还有其他函数，这里不多说。

7、如何查看数组的维度？

前面说到，数组维度即代表轴的数量。

我们可以通过数组（adarray）对象的ndim或shape属性，来查看轴的数量。

ndim属性直接返回维度值；shape属性返回一个元组，元组的长度即代表维度值，里面的数字从左往右分别代表每一轴的元素数量。

importnumpyasnp#创建一维数组x1=np.array([1,2,3])#返回维度值x1.ndim'''输出：1'''#创建二维数组x2=np.array([[1,2,3],[4,5,6]])#返回形状x2.shape'''输出：(2,3)元素长度为2代表二维，元素2代表0轴有两个元素，元素3代表1轴有3个元素。'''8、如何查看数组有多少个元素？

数组（ndarray）对象的size属性可以查看数组包含元素总数。

importnumpyasnp#创建二维数组x2=np.array([[1,2,3],[4,5,6]])#查看元素总数x2.size'''输出：6'''

还可以通过shape属性返回元素的乘积，来计算数组元素数量。

importnumpyasnpfromfunctoolsimportreduce#创建二维数组x2=np.array([[1,2,3],[4,5,6]])#查看元素总数reduce(lambdax,y:x*y,x2.shape)'''输出：6shape形状：(2,3)'''9、Numpy数组支持哪些数据类型？

Numpy支持的数据类型非常多，所以很适合做数值计算。 下面给出常见的数据类型：

10、如何查看数组的类型？

数组（adarrry）对象提供dtype属性，用来查看数组类型。

importnumpyasnp#创建二维数组x2=np.array([[1,2,3],[4,5,6]],dtype=int)#返回类型x2.dtype'''输出：dtype('int32')'''11、如何改变数组的形状？

前面说过，数组的shape属性返回一个元组，能够反映数组的形状，包括维度以及每个轴的元素数量。

那么如果给定一个数组，怎么改变其形状呢？

常用的方式有两种：

reshape方法，它返回一个新的数组，而不能改变原始数组。resize方法，无返回值，它更改了原始数组。

比如说我要将一个二维数组转换为三维数组。

importnumpyasnp#创建二维数组x2=np.array([[1,2,3],[4,5,6]])#将x2转换为三维数组，并且自定义每个轴的元素数量x2.reshape(1,2,3)'''输出：array([[[1,2,3],[4,5,6]]])'''

reshape方法可以传入整数或者元组形式的参数。

传入的参数和shape属性返回的元组的含义是一样的。

例如， x2.reshape(1,2,3)是将二维数组转换成三维数组，参数个数代表要转换的维度，参数数字从左到右分别表示0轴、1轴、2轴的元素数量。

resize方法和reshape方法使用形式一样，区别是resize方法改变了原始数组形状。

importnumpyasnp#创建二维数组x2=np.array([[1,2,3],[4,5,6]])#将x2转换为三维数组，并且自定义每个轴的元素数量x2.resize((1,2,3))x2'''输出：array([[[1,2,3],[4,5,6]]])'''12、如何对数组进行索引和切片操作？

numpy一维数组的索引和切片操作类似python列表，这里不多讲。

比如说取一维数组前三个元素。

importnumpyasnp#创建一维数组x1=np.array([1,2,3,4])#切片，取前三个元素x1[:3]'''输出：array([1,2,3])'''

重点是对多维数组的索引和切片。

多维数组有多个轴，那么就需要对每个轴进行索引。

例如，三维数组形状为(x,y,z)，分别代表：0轴有x个元素、1轴有y个元素，2轴有z个元素。

对0、1、2轴进行索引，如果取o轴第2个元素、1轴第0个元素、2轴第3个元素，那么索引形式就为[2,0,3]。

importnumpyasnp#创建三维数组x3=np.arange(24).reshape(3,2,4)#对该三维数组进行索引x3[2,0,3]'''输出：19三维数组形式：array([[[0,1,2,3],[4,5,6,7]],[[8,9,10,11],[12,13,14,15]],[[16,17,18,19],[20,21,22,23]]])'''

切片也是同样道理。

如果取o轴前2个元素、1轴前1个元素、2轴后2个元素，那么切片形式就为[:2,:1,-2:]。

importnumpyasnp#创建三维数组x3=np.arange(24).reshape(3,2,4)#对该三维数组进行切片x3[:2,:1,-2:]'''输出：array([[[2,3]],[[10,11]]])三维数组形式：array([[[0,1,2,3],[4,5,6,7]],[[8,9,10,11],[12,13,14,15]],[[16,17,18,19],[20,21,22,23]]])'''13、如何对数组里每个元素进行迭代？

说到迭代，大家很容易想到直接对数组直接使用for循环操作，对于一维数组来说，当然是可以的。

importnumpyasnp#创建一维数组x1=np.array([1,2,3,4])#迭代foriinx1:print(i)'''输出：1234'''

但对于多维数组，迭代是相对于0轴完成的，就是多维数组最外层的那一维。

你没有办法直接遍历数组里每一个元素，嵌套循环又太低效。

这个时候就需要用到flat方法，它可以将多维数组平铺为一维的迭代器。

importnumpyasnp#创建二维数组x2=np.array([[1,2,3],[4,5,6]])#先平铺，再迭代foriinx2.flat:print(i)'''输出：123456'''14、如何将多维数组展开为一维数组？

数组（ndarray）对象提供了ravel方法，用来将多维数组展开为一维数组。

importnumpyasnp#创建er维数组x3=np.arange(12).reshape(3,4)#对该三维数组进行索引x3.ravel()'''输出：array([0,1,2,3,4,5,6,7,8,9,10,11])'''15、什么广播机制？

广播(Broadcast)是 numpy 对不同形状(shape)的数组进行数值计算的方式， 对多个数组的算术运算通常在相应的元素上进行。

较小的数组在较大的数组上“广播”，以便它们具有兼容的形状。

比如说一个一维数组乘以一个数字，相当于一维数组里每个元素都乘以这个数。

importnumpyasnp#创建一维数组x1=np.array([1,2,3])#广播x1*2'''输出：array([2,4,6])'''

如果相同维度的数组进行运算，其shape相同，那么广播就是两个数组相同位数的元素进行运算。

importnumpyasnp#创建一维数组x1=np.array([1,2,3])x2=np.array([4,5,6])#广播x1+x2'''输出：array([5,7,9])'''

如果两个数组维度不同，进行运算，这里就触发了广播的两个规则。

让所有输入数组都向其中形状最长的数组看齐，形状中不足的部分都通过在前面加 1 补齐；当输入数组的某个维度的长度为 1 时，沿着此维度运算时都用此维度上的第一组值。

这两个规则保证了不同维度数组进行运算时，其维度自动调整成一致。

importnumpyasnp#创建一维数组x1=np.array([[1,2,3],[4,5,6]])x2=np.array([2,3,4])#广播x1-x2'''输出：array([[-1,-1,-1],[2,2,2]])'''16、numpy中如何进行数值舍入操作？around函数，用于四舍五入，返回一个新数组

importnumpyasnp#创建一维数组x1=np.array([1.45,2.78,3.12])#四舍五入，到小数点后1位np.around(x1,1)'''输出：array([1.4,2.8,3.1])'''floor函数，用于向下取整，返回一个新数组

importnumpyasnp#创建一维数组x1=np.array([1.45,2.78,3.12])#向下取整np.floor(x1)'''输出：array([1.,2.,3.])'''ceil函数，用于向上取整，返回一个新数组

importnumpyasnp#创建一维数组x1=np.array([1.45,2.78,3.12])#向下取整np.ceil(x1)'''输出：array([2.,3.,4.])'''17、如何对数组进行转置操作？

numpy提供了transpose函数用以对数组进行维度的调换，也就是转置操作。

转置后返回一个新数组。

importnumpyasnp#创建二维数组x1=np.arange(12).reshape(3,4)#转置np.transpose(x1)'''输出：array([[0,4,8],[1,5,9],[2,6,10],[3,7,11]])原数组：array([[0,1,2,3],[4,5,6,7],[8,9,10,11]])'''

当然，可以用更简单的方法。

数组对象提供了T方法，用于转置，同样会返回一个新数组。

importnumpyasnp#创建二维数组x1=np.arange(12).reshape(3,4)#转置x1.T'''输出：array([[0,4,8],[1,5,9],[2,6,10],[3,7,11]])原数组：array([[0,1,2,3],[4,5,6,7],[8,9,10,11]])'''18、如何连接两个相同维度的数组？

numpy的concatenate 函数用于沿指定轴连接相同形状的两个或多个数组。

importnumpyasnp#创建两个二维数组x1=np.array([[1,2,3],[4,5,6]])x2=np.array([[7,8,9],[10,11,12]])#连接,默认沿0轴连接np.concatenate((x1,x2))'''输出：array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]])'''#指定沿1轴连接np.concatenate((x1,x2),axis=1)'''输出：array([[1,2,3,7,8,9],[4,5,6,10,11,12]])'''19、如何向数组添加值？numpy的append 函数向数组末尾追加值，可以指定不同的轴。

importnumpyasnp#创建一个二维数组x1=np.array([[1,2,3],[4,5,6]])#直接向数组末尾添加元素，返回平铺的一维数组np.append(x1,[7,8,9])'''输出：array([1,2,3,4,5,6,7,8,9])'''#沿轴0添加元素np.append(x1,[[7,8,9]],axis=0)'''输出：array([[1,2,3],[4,5,6],[7,8,9]])'''#沿轴1添加元素np.append(x1,[[5,5,5],[7,8,9]],axis=1)'''输出：array([[1,2,3,5,5,5],[4,5,6,7,8,9]])'''numpy的insert 函数可以沿给定轴，在数组中任意位置插入数据。

importnumpyasnp#创建一个二维数组x1=np.array([[1,2,3],[4,5,6],[7,8,9]])#直接在指定位置插入元素，返回平铺的一维数组np.insert(x1,2,[0,0,0])'''输出：array([1,2,0,0,0,3,4,5,6,7,8,9])原数组：array([[1,2,3],[4,5,6],[7,8,9]])'''#指定位置，沿轴0插入元素np.insert(x1,1,[0,0,0],axis=0)'''输出：array([[1,2,3],[0,0,0],[4,5,6],[7,8,9]])'''#指定位置，沿轴1插入元素np.insert(x1,2,[0,0,0],axis=1)'''输出：array([[1,2,0,3],[4,5,0,6],[7,8,0,9]])'''20、如何对数组进行去重操作？

numpy的unique 函数用于去除数组中的重复元素，返回一个新数组。

importnumpyasnp#创建一个一维数组x1=np.array([2,3,5,1,3,8,1,0])np.unique(x1)'''输出：array([0,1,2,3,5,8])'''

unique函数还能返回重复元素的索引、计数等信息，可去查文档自定义参数。

看完了这篇文章，相信你对学习numpy会遇到的问题有了一定的了解，想了解更多相关知识，欢迎关注亿速云行业资讯频道，感谢各位的阅读！