这篇文章主要介绍Python中如何导入Numpy库，文中介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们一定要看完！

成都创新互联是专业的当雄网站建设公司，当雄接单;提供成都网站设计、成都做网站,网页设计,网站设计,建网站,PHP网站建设等专业做网站服务;采用PHP框架,可快速的进行当雄网站开发网页制作和功能扩展;专业做搜索引擎喜爱的网站,专业的做网站团队,希望更多企业前来合作!

导入Numpy库

为了书写方便，一般用别名np代替Numpy库（如果安装的是anaconda，Numpy库是自带的）

a = np.array([[1,2,3,4],[5,6,7,8]])
print(a)

常用函数

导入Numpy库之后，可以用Numpy生成数组。使用array()函数可以生成一个数组，与列表的区别是没有逗号：

a = np.array([[1,2,3,4],[5,6,7,8]])
print(a)

上方的代码将生成一个二维数组，结果如图：

如果想改变数组的维度，获取4行2列数组，可以通过reshape()方法实现：

b = a.reshape((4,-1))
print(b)

reshape()中的参数(4,-1)表示将数组转换为4*X的新数组，X等于数组a中元素个数的1/4。参数-1是一种“懒人”方法，表示由Python通过行参数4自动计算出列数。

此外，默认是按照行优先改变数据维度，也可以设置参数order="F"，按照列优先改变数据维度：

c = a.reshape((4,2), order="F")
print(c)

虽然数组的维度没有改变，但是元素对应的位置已经不同了。

想要提取数组中的某些元素，可以使用切片的方式来提取。如提取第2行中的5和7：

d = c[1,:]
print(d)

获取结果如图：

当然，也可以使用切片的方法修改数组中相应位置的数值，比如将数组c中第二列的中间两个数变为0，可以这样操作：

c[1:3,1] = 0
print(c)

可以看出，逗号左边表示行号，右边表示列号，由此就能任意截选出我们需要的数据。

数组不仅可以是二维的，也可以是多维的。下面生成一个三维数组e：

e = np.array([c,c*2])
print(e)

数组e是一个2*2*4的数组，也就是说由2个2*4的矩阵构成。

Numpy中的linspace()函数可以在指定的两个数之间生成固定数量的等间距（步长）数组，如：

f = np.linspace(start=1,stop=12,num=5)
print(f)

上方代码生成一个从1到12的5个等间距的数组。

如果想以指定的步长来生成一个向量，可以使用arange()方法，如从1开始，步长为3，生成小于等于12的向量：

g = np.arange(1,12,3)
print(g)

结果：[1 4 7 10]

使用

ones()函数可以生成全1数组，如生成一个2*3的全1数组：

h = np.ones((2,3))
print(h)

使用zeros()函数可以生成全0数组，如生成一个2*3的全0数组：

i = np.zeros((2,3))
print(i)

若想生成单位数组（对角线为1，其余全是0），可以使用eye()函数，如生成一个3*3的单位数组：

j = np.eye(3)
print(j)

当然，也可以指定对角线的元素取值：

k = np.diag(np.arange(1,13,4))
print(k)

使用diag()函数可以得到一个数组的对角线元素，也可以获取对角线的值：

l =np.diag(np.arange(1,26,3).reshape((3,3)))
print(l)

结果：[ 1 13 25 ]

Numpy中的Random模块是用来生成随机数的有力工具，通过seek()方法能指定随机数种子，保证生成的随机数是可重复的。如要生成一个可重复的3*3随机数组，可以用如下方法：

np.random.seed(2)
m = np.random.randn(3, 3)
print(m)

当然，一些常用的统计函数也能实现，如均值用mean()方法：

n = np.arange(10)
print(n.mean())

标准差可以使用std()方法：

n = np.arange(10)
print(n.std())

数组排序可以使用sort()方法，默认是每行自动排序：

p = np.sort([[2,5,3],[10,6,8]])
print(p)

数组的百分位数可以用percentile()函数：

q = np.arange(10)
print(np.percentile(q, 50))

中位数用median()函数：

q = np.arange(10)
print(np.median(q))

当个数为偶数时，中位数是中间两个数字之和除以2。

Numpy的计算方法还有很多，大家可以去网上查阅，这里只说几个常用的。

Numpy主要以数组为操作对象，在生成和调整数组方面优势非常明显。但直接观察数组却不太方便，没有序号、排列不齐等问题并不利于我们寻找数据规律，所以我们需要继续学习。

以上是“Python中如何导入Numpy库”这篇文章的所有内容，感谢各位的阅读！希望分享的内容对大家有帮助，更多相关知识，欢迎关注创新互联行业资讯频道！