numpy 简介

NumPy（Numerical Python）是 Python 生态中用于科学计算的核心库，提供高性能的多维数组对象（ndarray）及相关的数学运算工具。其核心特性包括：

• 高效数组操作：基于 C 语言实现，支持向量化运算，避免显式循环。
• 广播机制：允许不同形状的数组进行数学运算。
• 线性代数：内置矩阵运算、傅里叶变换、随机数生成等功能。
• 跨平台兼容：与 Pandas、SciPy、Matplotlib 等库无缝集成。

核心功能

数组创建

通过 np.array() 从列表或元组创建数组，支持指定数据类型（dtype）：

import numpy as np  
arr = np.array([1, 2, 3], dtype=np.float32)  

其他常用创建方法：

• np.zeros((2, 3))：创建 2x3 的全零数组。
• np.ones(shape)：创建全 1 数组。
• np.arange(0, 10, 2)：类似 range，生成等差序列。

数组操作

• 索引与切片：语法与 Python 列表类似，支持多维索引：

  arr_2d = np.array([[1, 2], [3, 4]])  
  print(arr_2d[1, 0])  # 输出 3  
  

• 形状调整：reshape() 改变数组维度，flatten() 展开为一维数组。
• 合并与分割：np.concatenate() 连接数组，np.split() 分割数组。

数学运算

支持逐元素运算（+, -, *, /）和矩阵乘法（@ 或 np.dot()）：

a = np.array([1, 2])  
b = np.array([3, 4])  
print(a * b)  # 输出 [3, 8]（逐元素相乘）  

广播机制

广播机制：就是这个数组里面的1,2,3一旦运算就需要每个元素都需要运算

允许不同形状的数组进行运算，例如标量与数组相加：

arr = np.array([1, 2, 3])  
print(arr + 5)  # 输出 [6, 7, 8]  

性能优化

• 避免循环：优先使用内置函数（如 np.sum()、np.mean()）。
• 预分配内存：提前创建空数组（np.empty()）填充数据。
• 使用 np.vectorize：将普通函数转换为支持广播的向量化函数。

应用场景

• 数据预处理：归一化、缺失值填充。
• 机器学习：特征矩阵运算（如线性回归）。
• 图像处理：像素数组操作。

示例代码

计算欧氏距离（向量差的 L2 范数）：

def euclidean_distance(a, b):  
    return np.sqrt(np.sum((a - b) ** 2))  

NumPy 的官方文档（numpy.org）提供了完整的 API 参考和教程。