NumPy，全称Numerical Python，是基于Python语言的一个拥有强大数学计算能力的库。主要用于数组数据的处理，例如科学计算，数据分析等领域。NumPy支持高效的数组操作，可以与其他科学计算和数据处理库配合使用，例如Scipy、pandas等。
NumPy还包含一些线性代数和随机数生成函数。除了NumPy之外，Python的数学计算库还有NumPy的升级版NumPy 2、TensorFlow等。
NumPy 1.20.1是2021年1月发布的新版本，该版本包含数千个功能改进和bug修复，其中一些重要的特性包括：
NumPy的主要功能是创建和操作数组。可以使用一下代码创建一维和二维数组：
import numpy as np # 创建一维数组 a1 = np.array([1, 2, 3]) # 创建二维数组 a2 = np.array([[1, 2, 3], [4, 5, 6]])
可以使用以下代码访问数组的形状、元素个数和尺寸：
print(a1.shape) # 输出 (3,) print(a1.size) # 输出 3 print(a1.ndim) # 输出 1 print(a2.shape) # 输出 (2, 3) print(a2.size) # 输出 6 print(a2.ndim) # 输出 2
数组操作是NumPy的高级特性之一，可以对数组进行排序、筛选、索引和切片等处理。以下是对数组进行排序并取最大值和最小值的代码示例：
arr = np.array([3, 2, 8, 4, 6, 5])
# 排序并取最大值和最小值
print("Sorted array: ", np.sort(arr))
print("Maximum value: ", np.max(arr))
print("Minimum value: ", np.min(arr))
NumPy不仅支持数组操作，还支持矩阵计算，以下是实现矩阵加法的代码示例：
matrix1 = np.array([[1, 2], [3, 4]]) matrix2 = np.array([[5, 6], [7, 8]]) # 矩阵加法 matrix_sum = np.add(matrix1, matrix2) print(matrix_sum)
NumPy还提供了各种随机数生成函数，可以用于模拟实验和数据分析。以下是生成随机整数和正态分布随机数的代码示例：
# 生成5个0-9之间的随机整数 r = np.random.randint(0, 10, 5) print(r) # 生成20个均值为1，标准差为0.1的正态分布随机数 mu, sigma = 1, 0.1 s = np.random.normal(mu, sigma, 20) print(s)
NumPy不仅可以用于科学计算，还可以用于数据分析。以下是对一组体重数据进行分析的代码示例：
weights = np.array([60, 70, 80, 85, 90, 75, 72, 68, 93, 100])
mean_weight = np.mean(weights) # 平均体重
median_weight = np.median(weights) # 中位数
std_weight = np.std(weights) # 标准差
print("Mean weight: ", mean_weight)
print("Median weight: ", median_weight)
print("Standard deviation: ", std_weight)
NumPy是Python语言中最流行的科学计算库之一，为计算和处理大型多维数组提供了高效的解决方案。NumPy 1.20.1版本增加了许多新的特性和改进，使得它更加易用和高效。它适用于数据分析、计算机视觉、自然语言处理、信号处理、机器学习和深度学习等领域，成为了进行科学计算和数据分析不可或缺的工具。
标签： 兼职