上QQ阅读APP看本书，新人免费读10天
设备和账号都新为新人
4.2 NumPy速成
NumPy为SciPy提供了基本的数据结构和运算，其中最主要的是ndarrays多维数组，它提供了高效的矢量运算功能。
4.2.1 创建数组
利用NumPy创建多维数组非常简单，通过给array函数传递Python的序列对象创建数组，如果传递的是多层嵌套的序列，将创建多维数组。代码如下：
import numpy as np
# 创建数组
myarray=np.array（[1, 2, 3]）
print（myarray）
print（myarray.shape）
#创建多维数组
myarray=np.array（[[1, 2, 3], [2, 3, 4], [3, 4, 5]]）
print（myarray）
print（myarray.shape）
执行结果如下：
[1 2 3]
（3,）
[[1 2 3]
[2 3 4]
[3 4 5]]
（3, 3）
4.2.2 访问数据
对于ndarray数组的访问，我们可以通过数组的下标访问某一行，也可以访问某一列。代码如下：
import numpy as np
# 创建多维数组
myarray=np.array（[[1, 2, 3], [2, 3, 4], [3, 4, 5]]）
print（myarray）
print（myarray.shape）
# 访问数据
print（'这是第一行：%s' % myarray[0]）
print（'这是最后一行：%s' % myarray[-1]）
print（'访问整列（3列）数据：%s' % myarray[:, 2]）
print（'访问指定行（2行）和列（3列）的数据：%s' % myarray[1, 2]）
执行结果如下：
[[1 2 3]
[2 3 4]
[3 4 5]]
（3, 3）
这是第一行：[1 2 3]
这是最后一行：[3 4 5]
访问整列（3列）数据：[3 4 5]
访问指定行（2行）和列（3列）的数据：4
4.2.3 算数运算
使用NumPy的ndarray数组可以直接进行算术运算，或者说向量运算。代码如下：
import numpy as np
# 创建多维数组
myarray1=np.array（[[1, 2, 3], [2, 3, 4], [3, 4, 5]]）
myarray2=np.array（[[11, 21, 31], [21, 31, 41], [31, 41, 51]]）
print（'向量加法运算：'）
print（myarray1+myarray2）
print（'向量乘法运算：'）
print（myarray1 * myarray2）
执行结果如下：
向量加法运算：
[[12 23 34]
[23 34 45]
[34 45 56]]
向量乘法运算：
[[ 11 42 93]
[ 42 93 164]
[ 93 164 255]]
NumPy主要用来处理大量数字的应用，通过这三个例子，熟悉了NumPy的多维数组的定义、访问和向量运算。