NumPy是Python中一个重要的科学计算包，它提供了许多数学相关的功能，在数据分析、机器学习、深度学习等领域被广泛应用。在 NumPy 中，数组（array）是主要的数据结构，而数组的操作是 NumPy 最核心的功能之一。
本文将介绍 NumPy 数组的基本操作和查看方法，让读者能够了解如何访问数组的元素、修改数组的形状、查看数组的属性等。
在 NumPy 中，可以使用numpy.array()函数来创建数组，如下所示：
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
登录后复制
此时，arr就是一个含有5个元素的一维数组。我们也可以通过numpy.arange()函数或者numpy.linspace()函数来创建一维数组：
arr1 = np.arange(10) # 生成一个0到9的一维数组
arr2 = np.linspace(0, 10, 11) # 生成一个0到10之间，含11个元素的一维数组
登录后复制
访问 NumPy 数组中的元素可以通过数组下标来实现，注意数组下标从0开始。对于多维数组，可以使用多个下标来访问特定元素。例如：
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(arr[0, 0]) # 访问第一个元素 1
print(arr[1, 2]) # 访问第二行第三列的元素 6
登录后复制
在 NumPy 中，我们可以使用numpy.reshape()函数来修改数组的形状。例如：
arr = np.array([1, 2, 3, 4, 5, 6])
new_arr = arr.reshape(2, 3) # 将一维数组变为二维数组，形状为(2,3)
登录后复制
此时，new_arr的形状为(2,3)，即两行三列的矩阵，元素为：
1 2 3
4 5 6
登录后复制
在 NumPy 中，我们可以查看数组的形状、元素个数、数据类型等属性。例如：
arr = np.array([1, 2, 3, 4, 5, 6])
print(arr.shape) # 输出形状 (6,)
print(arr.size) # 输出元素个数 6
print(arr.dtype) # 输出数据类型 int32
登录后复制
其中，shape表示数组的形状，size表示数组元素的个数，dtype表示数组的数据类型。
（1）对数组进行切片操作，可以使用":"操作符。例如：
arr = np.array([1, 2, 3, 4, 5, 6])
print(arr[1:4]) # 输出[2 3 4]
登录后复制
（2）对数组进行一些统计操作，例如计算数组中元素的和、平均值、标准差等。例如：
arr = np.array([1, 2, 3, 4, 5, 6])
print(np.sum(arr)) # 计算元素的和，输出21
print(np.mean(arr)) # 计算平均值，输出3.5
print(np.std(arr)) # 计算标准差，输出1.707825127659933
登录后复制
（3）对数组进行一些逻辑操作，例如筛选出数组中符合条件的元素。例如：
arr = np.array([1, 2, 3, 4, 5, 6])
print(arr[arr > 3]) # 输出[4 5 6]
登录后复制
以上就是使用 NumPy 操作数组的基本方法，我们可以使用这些方法来访问和修改数组的形状与元素，以及进行一些统计和逻辑操作。
以上就是简单易懂的numpy版本查看指南的详细内容，更多请关注每日运维网(www.mryunwei.com)其它相关文章！
