PythonNumPy基础知识备忘单
NumPy数组的快速参考指南。学习数组创建、重塑、索引、切片和数学运算。
阵列创建和检查
初始化 numpy 数组和提取形状特征的方法。
| 方法/功能 | 语法 | 描述 |
|---|---|---|
| np.array() | np.array(list) | 从列表创建同构多维 ndarray。 |
| np.arange() | np.arange(start, stop, step) | 创建具有给定范围内均匀间隔值的数组。 |
| np.linspace() | np.linspace(start, stop, num) | 创建具有指定间隔内 num 个均匀间隔值的数组。 |
| np.zeros() / np.ones() | np.zeros(shape) / np.ones(shape) | 初始化以指定形状填充零或一的数组。 |
| shape / dtype | arr.shape / arr.dtype | 返回数组维度和元素类型的属性。 |
数组操作和数学
更改数组布局和执行数学聚合的例程。
| 方法/功能 | 语法 | 描述 |
|---|---|---|
| reshape() | arr.reshape(new_shape) | 为数组提供新的形状而不更改其数据。 |
| arr.T | arr.T | 转置属性。反转数组的轴。 |
| np.concatenate() | np.concatenate((a1, a2), axis=0) | 沿现有轴连接一系列数组。 |
| mean() / std() | arr.mean() / arr.std() | 计算算术平均值和标准差。 |
| sum() / dot() | arr.sum() / np.dot(a, b) | 对元素求和，或计算点积矩阵乘法。 |
交互式演示脚本
run_all_cheat_methods.py
在编辑器中运行# np.array()
np.array(list)
# np.arange()
np.arange(start, stop, step)
# np.linspace()
np.linspace(start, stop, num)
# np.zeros() / np.ones()
np.zeros(shape) / np.ones(shape)
# shape / dtype
arr.shape / arr.dtype
# reshape()
arr.reshape(new_shape)
# arr.T
arr.T
# np.concatenate()
np.concatenate((a1, a2), axis=0)
# mean() / std()
arr.mean() / arr.std()
# sum() / dot()
arr.sum() / np.dot(a, b)常见问题解答
为什么使用NumPy数组而不是标准 Python 列表？
NumPy数组存储在连续的内存块中，这使得它们的数值计算速度明显更快且内存效率更高。
NumPy中正在广播什么？
广播允许对不同形状的数组执行算术运算，自动扩展较小的数组以匹配较大数组的形状。
相关主题
推荐的 Python 资源
通过相关的交互式教程、备忘单和代码比较来扩展您的知识。