numpy第三方库学习（更新中）
介绍
NumPy是 Python 中用于科学计算的基础库，它提供了高性能的多维数组对象和处理这些数组的工具。
pip install numpy
pip
pip 是 Python 的包管理工具，下面是一些 pip 的常用命令：
显示pip的版本：
pip --version查看 pip 命令的帮助信息：
pip --help查看已安装的包：
pip list安装最新版本的包：
pip install package_name安装指定版本的包：
pip install package_name==version_number升级指定的包到最新版本：
pip install --upgrade package_name卸载指定的包：
pip uninstall package_name查看包的详细信息：
pip show package_name指定镜像源下载：
pip install package_name -i link
数组创建
1. 从列表创建一维数组
import numpy as np# 从列表创建一维数组
lst = [1,2,3,4,5]
arr = np.array(lst)
print("一维数组:", arr)
运行结果：
一维数组: [1 2 3 4 5]
（说明：np.array 将 Python 列表转换为 NumPy 一维数组，元素类型默认是 int64，输出时元素间用空格分隔。）
2. 创建二维数组
# 创建一个二维数组
arr = np.array([[1,2,3,4],[5,6,7,8]])
print("二维数组:", arr)
运行结果：
二维数组: [[1 2 3 4][5 6 7 8]]
（说明：传入嵌套列表[[行1], [行2]]，生成 2 行 4 列的二维数组，输出时会按行分行显示，保持矩阵结构。）
3. 创建全 0 矩阵
# 全0矩阵
arr = np.zeros((3,4)) # 参数(行数, 列数)，默认元素类型是float64
print("全0矩阵:")
print(arr)
运行结果：
全0矩阵:
[[0. 0. 0. 0.][0. 0. 0. 0.][0. 0. 0. 0.]]
（说明：np.zeros 生成指定形状的矩阵，所有元素为 0，默认是浮点数（带小数点），若需整数可加dtype=int参数。）
4. 创建全 1 矩阵
# 全1矩阵
arr = np.ones((3,4)) # 参数(行数, 列数)，默认元素类型float64
print("全1矩阵:")
print(arr)
运行结果：
全1矩阵:
[[1. 1. 1. 1.][1. 1. 1. 1.][1. 1. 1. 1.]]
（说明：类似全 0 矩阵，所有元素为 1，默认浮点数，可通过dtype=int改为整数。）
5. 创建指定值的全 n 矩阵（3 维）
# 创建指定的全n矩阵（这里是3维矩阵，值为8）
arr = np.full((3,4,5), 8) # 参数(维度1, 维度2, 维度3, ...)，值为8
print("全n矩阵:")
print(arr)
运行结果：
全n矩阵:
[[[8 8 8 8 8][8 8 8 8 8][8 8 8 8 8][8 8 8 8 8]][[8 8 8 8 8][8 8 8 8 8][8 8 8 8 8][8 8 8 8 8]][[8 8 8 8 8][8 8 8 8 8][8 8 8 8 8][8 8 8 8 8]]]
（说明：np.full 生成任意指定值的矩阵，这里(3,4,5)表示 3 个 “4 行 5 列” 的二维矩阵，构成 3 维数组，所有元素为 8。）
6. 创建等差数列矩阵
# 创建等差数列矩阵（[start, stop)，步长step）
arr = np.arange(0,10,2) # 起始0，终止10（不包含10），步长2
print("等差数列矩阵:")
print(arr)
运行结果：
等差数列矩阵:
[0 2 4 6 8]
（说明：np.arange 类似 Python 的 range，但返回 NumPy 数组，支持浮点数步长（如np.arange(0,5,0.5)）。）
7. 创建等间距矩阵（包含终止值）
# 创建等间距的矩阵（将[start, stop]等分成num份）
arr = np.linspace(0,1,5) # 起始0，终止1（包含1），分成5份
print("等间距矩阵:")
print(arr)
运行结果：
等间距矩阵:
[0. 0.25 0.5 0.75 1. ]
（说明：np.linspace 按 “份数” 划分区间，确保包含终止值，元素间间距相等（这里间距是 (1-0)/(5-1)=0.25），常用于生成绘图的横坐标。）
8. 创建随机整数矩阵（并重塑形状）
# 创建随机整数矩阵：[0,10)的整数，共20个，再重塑为4×5矩阵
arr = np.random.randint(10, size=20).reshape(4,5) # randint(上限, 元素总数)
print("随机矩阵:")
print(arr)
运行结果（示例，每次运行不同）：
随机矩阵:
[[3 7 2 9 5][1 8 0 4 6][2 5 7 3 1][9 0 4 8 2]]
（说明：
np.random.randint(10, size=20)生成 20 个 [0,10) 的随机整数，是一维数组；reshape(4,5)将一维数组重塑为 4 行 5 列的二维矩阵（元素总数必须相等：4×5=20）；- 随机数每次运行不同，上述仅为示例结果。）
9. 持久化存储矩阵（保存到硬盘）
# 持久化数据：将矩阵保存为.npy文件（NumPy专用二进制格式）
np.save("data", arr) # 第一个参数是文件名（无需加.npy后缀，自动添加），第二个是要保存的数组
print("矩阵已保存为 data.npy 文件")
运行结果：
矩阵已保存为 data.npy 文件
（说明：运行后会在当前代码所在文件夹生成data.npy文件，该文件是二进制格式，仅能通过 NumPy 的np.load读取，保存时会保留数组的形状、类型等信息。）
10. 读取持久化的矩阵
# 读取持久化数据：加载.npy文件中的矩阵
arr = np.load("data.npy")
print("读取的持久化矩阵:")
print(arr)
运行结果（与第 8 步的随机矩阵完全一致）：
读取的持久化矩阵:
[[3 7 2 9 5][1 8 0 4 6][2 5 7 3 1][9 0 4 8 2]]
（说明：np.load会还原保存时的数组结构和元素，因此读取结果与第 8 步生成的随机矩阵完全相同（即使关闭代码重新运行，只要data.npy不被修改，读取结果就不变）。）
数组的属性
可以通过数组的属性来获取数组的相关信息。
import numpy as nparr = np.random.randint(10, size=24).reshape(2,3,4)# 维度
print(arr.ndim)
# 形状
print(arr.shape)
# 数据总数
print(arr.size)
# 元素类型
print(arr.dtype) #int32 4字节整数