推荐答案
-- -------------------- ---- ------- ------ ----- -- -- - ---- --- - ------------ -- -- -- --- - ---- ----------- - --- -- - - ---- -------- - ------------- --- --- ---- -------- - ------------- --- --- ---- -------------- - ---------------- --------- - ------ ------------ - -------------- -- - ---- ---------- - ------------ --------- - ----------- - ----- ---------- - ----------------- -- - ------- ---------- - -------- - ---- ---- - ------------ -- --- ---- - ------------ -- --- ---------------- - --------------------- ------ - ---- --------------- - --- - -- - ------- ------------------ ---- ---------- - ------------------
本题详细解读
NumPy 库简介
NumPy 是 Python 中用于科学计算的核心库之一，提供了高性能的多维数组对象和用于操作这些数组的工具。NumPy 的核心是 ndarray 对象，它是一个快速、灵活的多维数组容器，支持大量的数学运算。
创建数组
使用 np.array() 函数可以从 Python 列表或元组创建 NumPy 数组。例如：
arr = np.array([1, 2, 3, 4, 5])
数组运算
NumPy 数组支持逐元素运算，如加法、减法、乘法、除法等。例如：
arr_squared = arr ** 2
矩阵乘法
使用 np.dot() 函数可以进行矩阵乘法运算。例如：
matrix_product = np.dot(matrix_a, matrix_b)
数组形状操作
使用 reshape() 方法可以改变数组的形状。例如：
reshaped_arr = arr.reshape(5, 1)
数组统计
NumPy 提供了多种统计函数，如 np.mean()、np.max() 等，用于计算数组的均值、最大值等。例如：
mean_value = np.mean(arr) max_value = np.max(arr)
随机数生成
使用 np.random.rand() 函数可以生成指定形状的随机数组。例如：
random_arr = np.random.rand(3, 3)
数组索引和切片
NumPy 数组支持类似于 Python 列表的索引和切片操作。例如：
sliced_arr = arr[1:4]
数组拼接
使用 np.concatenate() 函数可以将多个数组沿指定轴拼接。例如：
concatenated_arr = np.concatenate((arr1, arr2))
数组广播
NumPy 支持广播机制，允许不同形状的数组进行逐元素运算。例如：
broadcasted_arr = arr + 10
数组保存与加载
使用 np.save() 和 np.load() 函数可以保存和加载 NumPy 数组。例如：
np.save('arr.npy', arr)
loaded_arr = np.load('arr.npy')