一、NumPy 简介

NumPy（Numerical Python）是 Python 中用于进行科学计算的基础库之一。它提供了高效的多维数组对象 ndarray，以及用于数组操作、线性代数、傅里叶变换、随机数等丰富的函数。

---

二、安装 NumPy

2.1 使用 pip 安装（推荐）

pip install numpy

2.2 使用 Anaconda 安装（科学计算推荐）

conda install numpy

2.3 验证安装

import numpy as np
print(np.__version__)

---

三、NumPy 基础用法

3.1 创建数组

import numpy as npa = np.array([1, 2, 3])
b = np.array([[1, 2], [3, 4]])

3.2 数组属性

print(a.shape)      # (3,)
print(b.shape)      # (2, 2)
print(a.dtype)      # int64（或系统对应类型）

---

四、常用函数和操作

4.1 数组初始化

np.zeros((2, 3))     # 全 0 数组
np.ones((2, 3))      # 全 1 数组
np.eye(3)            # 单位矩阵
np.arange(0, 10, 2)  # 等差序列
np.linspace(0, 1, 5) # 等间隔序列

4.2 数组运算

a = np.array([1, 2, 3])
b = np.array([4, 5, 6])print(a + b)
print(a * b)
print(np.dot(a, b))  # 点积

---

五、索引与切片

a = np.array([[1, 2, 3], [4, 5, 6]])print(a[0, 1])   # 访问第 0 行第 1 列
print(a[:, 1])   # 所有行的第 1 列
print(a[1, :])   # 第 1 行所有列

---

六、广播机制

广播允许不同形状的数组进行运算：

a = np.array([[1], [2], [3]])
b = np.array([10, 20, 30])
print(a + b)

---

七、常用数学函数

np.sum(a)
np.mean(a)
np.max(a)
np.min(a)
np.std(a)

---

八、线性代数操作

from numpy.linalg import inv, eiga = np.array([[1, 2], [3, 4]])
print(inv(a))       # 求逆矩阵
print(eig(a))       # 求特征值和特征向量

---

九、随机模块

np.random.rand(2, 3)       # 均匀分布
np.random.randn(2, 3)      # 正态分布
np.random.randint(0, 10)   # 指定范围整数
np.random.seed(42)         # 设置随机种子

---

十、常见问题

Q1: 安装报错 No module named 'numpy'？

请确认是否在正确的 Python 环境中运行，或者重新执行 pip install numpy。

Q2: 为什么 NumPy 运算比普通 Python 列表快？

NumPy 使用 C 语言实现底层数组结构，运算为向量化操作，性能优于 Python 原生循环。

---

十一、学习资源推荐

• NumPy 官方文档
• 菜鸟教程 NumPy 教程
• 廖雪峰 NumPy 教程
• 《利用 Python 进行数据分析》作者：Wes McKinney

---

本文由“小奇Java面试”原创发布，转载请注明出处。

可以搜索【小奇JAVA面试】第一时间阅读，回复【资料】获取福利，回复【项目】获取项目源码，回复【简历模板】获取简历模板，回复【学习路线图】获取学习路线图。