本文共 1580 字，大约阅读时间需要 5 分钟。
Numpy 是 Python 中一个强大的数值计算库，广泛应用于科学计算、数据分析和工程等领域。本文将从基础到高级功能，详细介绍 Numpy 的功能与应用。
Numpy 是 Num erical library for Python 的简称，主要功能是高效处理大规模数值数据。其核心数据结构是 ndarray，支持多维数组操作，能够显著提高数据处理效率。
在实际应用中，Numpy 的 ndarray 与 Python 的基本列表相比在性能上有显著优势。通过实例测试可以发现，Numpy 的数组运算速度远快于 Python 的列表操作。
ndarray 是 Numpy 中的核心数据结构，具有多种属性，如 shape（数组形状）、ndim（数组维度）、size（数组元素总数）等。默认情况下，Numpy 会根据数据类型推断 dtype（数据类型）为 int64 或 float64。
ndarray 可以是多维数组，具体形状取决于创建时的参数。例如，二维数组可以通过 shape 方法指定行和列的数量。
Numpy 的 ndarray 支持多种数据类型，如整数、浮点数、字符串等。可以通过指定 dtype 参数在创建数组时指定具体类型。
可以使用 np.zeros 生成填充零的数组，np.ones 生成填充一的数组。
Numpy 提供多种方法来生成新数组，包括 np.array（深拷贝）、np.asarray（浅拷贝）和 np.copy（深拷贝）。
可以使用 np.linspace 生成等差数列，np.arange 生成等差数列，np.random.uniform 生成均匀分布随机数，np.random.normal 生成正态分布随机数。
Numpy 的数组支持多维索引和切片操作。例如，stock_change[0:2, 0:5] 可以提取前两行前五列的数据。
可以通过 reshape 方法改变数组的形状，resize 方法修改数组的大小和维度。
使用 astype 方法可以修改数组的数据类型，如将浮点数数组转换为整数数组。
可以使用 np.unique 方法去重，并结合 set 数据结构进一步处理。
Numpy 提供多种逻辑运算函数，如 np.where 可以根据布尔条件生成结果数组。
支持多种统计函数，如 min、max、mean、median 等，可以单独获取最大值或最小值的位置。
Numpy 支持数组与数、数组与数组的运算。数组运算可以利用广播机制进行，例如将两个不同维度的数组进行加减乘除。
Numpy 提供矩阵乘法和矩阵加法等功能，可以使用 np.dot 或 np.matmul 方法进行矩阵运算。
可以使用 np.genfromtxt 读取文本文件数据，支持多种格式和缺失值处理。
对于缺失值，可以选择直接删除或通过填补的方式处理。常用的填补方法包括按列或按行求平均值填补。
通过本文的学习，可以掌握 Numpy 的核心功能和常用操作。从基础的数组创建到高级的数据处理和分析，Numpy 提供了强大的工具支持，能够显著提升数据处理效率。
转载地址：http://roag.baihongyu.com/