Numpy 是 Python 中的一个重要的科学计算库，其最重要的功能之一就是提供了多维数组对象——Numpy 数组。Numpy 数组在数据科学中有着广泛的应用，下面就让我们来看看它的一些常见用法。
- 数组的创建
我们可以使用 numpy.array 函数来创建一个 Numpy 数组，该函数接受一个序列对象（比如列表）作为输入参数，将其转换为 Numpy 数组。例如，我们可以用以下代码创建一个 2x3 的 Numpy 数组：
import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr)输出：
[[1 2 3]
[4 5 6]]除了使用列表来创建数组，我们还可以使用 numpy.arange 函数创建一个等差数列的 Numpy 数组：
arr = np.arange(10)
print(arr)输出：
[0 1 2 3 4 5 6 7 8 9]- 数组的索引和切片
Numpy 数组可以像 Python 列表一样进行索引和切片。例如，我们可以使用以下代码获取一个数组的第一行和第二列：
arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr[0, 1])输出：
2- 数组的运算
Numpy 数组支持各种数学运算，包括加减乘除和向量点积等。例如，我们可以使用以下代码对两个数组进行加法运算：
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
c = a + b
print(c)输出：
[5 7 9]- 数组的转置
Numpy 数组可以通过转置操作将其行和列进行交换。例如，我们可以使用以下代码来获取一个数组的转置：
arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr.T)输出：
[[1 4]
[2 5]
[3 6]]- 数组的聚合操作
Numpy 数组支持各种聚合操作，例如求和、求平均数和求最大值等。例如，我们可以使用以下代码来获取一个数组的平均值：
arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr.mean())输出：
3.5- 数组的广播操作
Numpy 数组支持广播操作，即在运算中自动将较小的数组进行扩展以匹配较大的数组的形状。例如，我们可以使用以下代码将一个标量值加到一个数组中：
arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr + 2)输出：
[[3 4 5]
[6 7 8]]- 数组的逻辑运算
Numpy 数组支持各种逻辑运算，例如与、或和非等。例如，我们可以使用以下代码来获取一个数组中所有大于 2 的元素：
arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr[arr > 2])输出：
[3 4 5 6]总结
Numpy 数组在数据科学中有着广泛的应用。在本文中，我们介绍了 Numpy 数组的创建、索引、切片、运算、转置、聚合操作、广播操作和逻辑运算等一些常见用法。希望本文能够帮助你更好地理解 Numpy 数组在数据科学中的应用。
