[python]numpy模块(详解)
NumPy是Python科学计算的基石，其核心是提供了高性能的多维数组对象 ndarray，以及基于它的海量数学函数库。 简单来说，它的主要优势就是快和省。它解决了Python原生列表在进行大量数值计算时效率低下的问题。NumPy数组中的所有元素类型是统一的，数据在内存中连续存储，这带来了两个关键好
NumPy是Python科学计算的基石，其核心是提供了高性能的多维数组对象 ndarray，以及基于它的海量数学函数库。
![[python]numpy模块(详解)](/uploads/20260525/177968228888668.webp)
简单来说，它的主要优势就是快和省。它解决了Python原生列表在进行大量数值计算时效率低下的问题。NumPy数组中的所有元素类型是统一的，数据在内存中连续存储，这带来了两个关键好处：
- 极致的运算速度：通过"向量化"操作，你可以直接对整个数组进行数学运算，避免使用低效的Python循环。这种底层由C语言实现的运算，速度比普通Python列表快上1到2个数量级。
- 高效的内存使用：由于数据类型统一且连续存储，NumPy数组占用的内存空间远小于同等情况下的Python列表，能更高效地处理海量数据。
正因如此，NumPy成为了Pandas、SciPy、Scikit-learn、TensorFlow和PyTorch等众多顶级数据科学和机器学习库的基础。
核心数据结构：ndarray
ndarray（N-dimensional array，N维数组）是NumPy的主角。你可以把它看作是一个定义了多维度的、同质化的"表格"或"网格"。每个ndarray都有几个关键属性，你可以通过下面的方式查看：
import numpy as nparr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr.shape) # 输出: (2, 3) -> 表示这是一个2行3列的二维数组
print(arr.ndim) # 输出: 2 -> 表示数组的维度是2
print(arr.dtype) # 输出: int64 -> 表示数组元素的类型是64位整数
️ 三大应用场景
- 数据处理与分析：对海量数据执行快速的统计、清洗和转换，如计算销售数据的平均值、标准差，或对金融时间序列进行移动平均。
- 科学计算与模拟：进行线性代数、傅里叶变换等复杂运算，是物理学模拟、工程计算等领域的基础工具。
- 作为AI/机器学习的基础：图像、文本在输入到神经网络模型前，都会被转换为NumPy数组进行处理。例如，一张彩色图片可以轻松地表示为一个
(高度, 宽度, 3)的三维数组，其中"3"代表RGB三个颜色通道。
常用函数速查表
️ 创建数组 (Creation)
| 函数 | 描述 | 示例 |
|---|---|---|
np.array([1, 2, 3]) | 从列表创建数组 | arr = np.array([1, 2, 3]) |
np.zeros( (2,3) ) | 创建全0数组 | np.zeros((2,3)) → 2行3列的全0矩阵 |
np.ones( (2,3) ) | 创建全1数组 | np.ones((2,3)) → 2行3列的全1矩阵 |
np.arange(0, 10, 2) | 创建等差序列（类似range） | np.arange(0, 10, 2) → array([0, 2, 4, 6, 8]) |
np.linspace(0, 1, 5) | 创建等间隔的等差数列 | np.linspace(0, 1, 5) → array([0., 0.25, 0.5, 0.75, 1.]) |
np.random.rand(2,3) | 创建[0, 1)均匀分布的随机数组 | 生成一个2x3的随机数矩阵 |
np.eye(3) | 创建单位矩阵 | np.eye(3) → 3x3的单位矩阵 |
数组操作 (Manipulation)
| 函数/操作 | 描述 | 示例 |
|---|---|---|
arr.reshape(3, 2) | 改变数组的形状 | np.arange(6).reshape(2,3) → 将1维数组变为2x3的矩阵 |
arr[arr > 5] | 布尔索引，筛选满足条件的元素 | arr[arr > 5] → 返回数组中所有大于5的元素 |
np.where(条件, x, y) | 根据条件，返回x或y | np.where(arr > 5, 1, 0) → 大于5的设为1，否则设为0 |
np.hstack((a, b)) | 水平（按列）拼接 | 将两个数组左右拼接在一起 |
np.vstack((a, b)) | 垂直（按行）拼接 | 将两个数组上下堆叠在一起 |
数学和统计 (Math & Stats)
| 函数 | 描述 | 示例 |
|---|---|---|
np.sum(arr), np.mean(arr) | 求和，求平均值 | np.mean(arr, axis=0) → 计算每一列的平均值 |
np.max(arr), np.min(arr) | 求最大值，最小值 | arr.max() → 返回数组中的最大值 |
np.std(arr), np.var(arr) | 求标准差，方差 | 衡量数据的离散程度 |
np.argmax(arr) | 求最大值的索引（位置） | 常用于找出"冠军"所在的位置 |
np.dot(a, b) | 矩阵点乘/内积 | 执行真正的矩阵乘法，而不是对应元素相乘 |
arr.T | 矩阵转置 | arr.T → 返回原矩阵的转置 |
代码示例：从入门到实践
1. 入门演示：效率差异
下面的例子展示了向量化运算的威力，同样是让100万个数字乘以2，NumPy的速度比Python列表快了几十倍。
import numpy as np
import time# Python 列表
python_list = list(range(1_000_000))
start = time.time()
result = [x * 2 for x in python_list]
print(f"Python列表耗时: {time.time() - start:.4f}秒")# NumPy 数组
numpy_array = np.arange(1_000_000)
start = time.time()
result = numpy_array * 2 # 简洁的向量化操作
print(f"NumPy数组耗时: {time.time() - start:.4f}秒")
# 输出示例：
# Python列表耗时: 0.0523秒
# NumPy数组耗时: 0.0012秒
2. 数据处理实战：股票分析
假设你有一家公司股票的每日收盘价，想分析它的表现，用NumPy可以轻松搞定。
import numpy as np# 过去10天的股票收盘价
prices = np.array([100, 102, 101, 105, 107, 106, 108, 110, 109, 112])# 1. 基础统计
print(f"平均价格: {np.mean(prices):.2f}")
print(f"最高价格: {np.max(prices)}")
print(f"价格波动(标准差): {np.std(prices):.2f}")# 2. 找出价格超过108的交易日
print(f"价格超过108的日子: {np.where(prices > 108)}") # 返回索引位置# 3. 计算每日收益率（使用向量化运算）
# 收益率 = (今日价 - 昨日价) / 昨日价
# 切片操作: prices[1:] 是第2天到第10天, prices[:-1] 是第1天到第9天
returns = (prices[1:] - prices[:-1]) / prices[:-1]
print(f"每日收益率: {returns}")# 4. 找出收益率最高的那一天
max_return_day = np.argmax(returns) + 1 # +1 是因为returns的长度比prices少1
print(f"收益率最高的日子是第 {max_return_day} 天，收益率为 {np.max(returns)*100:.2f}%")
正软商城本月促销专区，汇集办公、设计、安全、影音、系统工具及AI软件等正版软件优惠活动，提供限时折扣、特价授权和优惠购买信息，活动库存及价格以页面实时展示为准。
正软商城装机必备专区，精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件，帮助用户快速完成新电脑软件配置。
正软商城Windows软件专区，汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件，提供软件介绍、系统要求、正版授权及购买下载服务。
正软商城macOS软件专区，精选适用于Mac电脑的办公、设计、影音、效率、开发和系统工具，提供软件功能介绍、macOS兼容版本、正版授权及购买下载服务。
正软商城iOS软件专区，精选适用于iPhone和iPad的办公、学习、影音、设计、效率及AI应用，提供功能介绍、适用设备、系统要求和正版获取方式等信息。
正软商城AI软件专区，汇集AI写作、AI绘画、AI视频、AI办公、AI编程、AI翻译、智能客服和数据分析等人工智能工具，提供功能介绍、适用平台、收费方式及正版购买信息。
正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法，同时介绍常用PDF软件和工具的使用技巧。
赤友清理大师是一款为 Mac 设计的智能清理优化工具，可精准扫描垃圾、大文件、重复文件等，释放磁盘空间。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
极度公式是一款跨平台专业LaTeX公式识别编辑软件，支持OCR公式识别和多平台编辑。和使用说明，避免使用，享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
一款文字处理软件，一种订阅式的跨平台办公软件，基于云平台提供多种服务，通过将 Excel 和 Outlook 等应用与 OneDrive 和 Microsoft Teams 等强大的云服务相结合，Office 365 可让任何人使用任何设备随时随地创建和共享内容。
CodeExpander 是一款快捷短语输入增强工具，通过键入缩写自动展开为自定义文段，提升工作效率。任务管理和过程控制会更完整，持续下载、批量同步或需要稳定传输流程的场景会更适合它。
Mountain Duck 是一款能将多个网盘挂载到本地的工具，像本地磁盘一样使用网盘。清理链路的完整性会更好一些，做应用卸载、残留处理和空间整理时，通常能少走很多手动排查步骤。
极度公式是一款跨平台专业LaTeX公式识别编辑软件，支持OCR公式识别和多平台编辑。和使用说明，避免使用，享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
一款文字处理软件，一种订阅式的跨平台办公软件，基于云平台提供多种服务，通过将 Excel 和 Outlook 等应用与 OneDrive 和 Microsoft Teams 等强大的云服务相结合，Office 365 可让任何人使用任何设备随时随地创建和共享内容。
Wise Folder Hider Pro 是一款专业级文件和文件夹隐藏加密软件，为私密数据添加多重保护。高频操作更强调就近处理，浏览、整理和跨目录移动文件时，来回切换和重复点击都会少很多。
CodeExpander 是一款快捷短语输入增强工具，通过键入缩写自动展开为自定义文段，提升工作效率。任务管理和过程控制会更完整，持续下载、批量同步或需要稳定传输流程的场景会更适合它。
Mountain Duck 是一款能将多个网盘挂载到本地的工具，像本地磁盘一样使用网盘。清理链路的完整性会更好一些，做应用卸载、残留处理和空间整理时，通常能少走很多手动排查步骤。
