1.3以 numpy 为例认识三方库及其使用_python量化实用版教程(初级)

以 numpy 为例认识三方库及其使用

初学者：以下内容了解即可，后续章节会介绍编程基础。


Python 的三方库是指由第三方开发者编写的、用于完成特定任务的代码集合。这些库可以通过安装包管理器（如 pip 或 conda）来下载和安装，并且可以在 Python 代码中被导入和使用。

三方库的使用非常简单，只需要在代码中导入相应的库，然后调用其中的函数和类即可。

import 导入三方库

此处只介绍 import 方法，列举一下几种方式对照学习。

方式一：

123import numpy

a = numpy.array([1, 2, 3])
1
2
3

方式二：

123import numpy as np

a = np.array([1, 2, 3])
1
2
3

方式三：

123import numpy as xxx

a = xxx.array([1, 2, 3])
1
2
3

其中方式二和三是同一种，‘as’后面的字母是自定义。

关于 NumPy

NumPy 是 Python 中的一个开源科学计算库，常被用于科学计算和数据分析。它提供了高效的 N 维数组操作接口，可以用来表示和处理各种数值数据，包括图像、声音、文本等。

要使用 NumPy 库，需要先下载安装。我们可以在 NumPy 官方网站（http://www.numpy.org/）上下载最新版本的安装包。安装完成后，可以在 Python 的代码中引入 NumPy 库，如下所示：

了解 Numpy 数组

初学者：了解即可，后续会有更深入介绍。

Python 中的列表可以保存任意类型的数据，但由于其本身是动态数组，因此遍历和查询操作是很慢的。而且，当需要对列表进行数学操作时，需要通过循环来对列表中的元素进行计算，如下所示：

123a = [1, 2, 3]
for i in range(len(a)):
    a[i] = a[i] * 2
1
2
3

因此，为了有效处理数学运算，我们需要借助 NumPy 数组。和列表不同，NumPy 数组在定义时就需要确定其维度和类型。下面分别介绍一维和二维数组。

一维数组

一维数组是指只包含一个维度的数组，类似于列表。例如，下面的代码定义了一个包含三个元素的一维数组：

123import numpy as np

a = np.array([1, 2, 3])
1
2
3

二维数组

与一维数组不同，二维数组包含两个维度，因此其元素是以行列方式排列的。我们可以将二维数组看作由多个一维数组组成的矩阵。例如，下面的代码定义了一个二维数组：

123import numpy as np

b = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
1
2
3

了解 NumPy 统计函数

初学者：了解即可，知道如何复制使用。

NumPy 提供了大量的数学函数和统计工具，方便我们对数组进行分析和处理。下面介绍其中一种常用的统计函数 `mean()`。

官方：numpy.mean(a, axis=None, dtype=None, out=None, keepdims=)求取平均值。

初学者：nump.mean(a) 其中 a: 表示你要计算的数组

`mean()` 函数用于计算数组的平均值，可以用来评估数据的中心位置。例如，我们可以使用 `mean()` 函数来计算数组中所有元素的平均值：（[1, 2, 3]）括号中的数据是你要计算均值的内容。

12345import numpy as np

a = np.array([1, 2, 3])
mean_a = np.mean(a)
print(mean_a)
1
2
3
4
5

运行结果为：2.0

NumPy 库及其基本数据类型——N 维数组，以及常用的统计函数之一 `mean()`。NumPy 库提供了高效的数学计算接口，可以处理各种数学计算任务。掌握了 NumPy 库的基础知识，可以为进一步学习和应用机器学习算法打下基础。