第一个 NumPy 程序

现在你已经成功安装了NumPy，是时候编写你的第一个NumPy程序了！本节将通过一个简单的示例，带你熟悉NumPy的基本使用流程。

1. 导入NumPy

按照惯例，我们使用 import numpy as np 导入NumPy，并将其简写为 np，以便后续代码更简洁。

import numpy as np

2. 创建第一个数组

NumPy的核心是多维数组对象 ndarray。我们可以从Python列表创建数组：

# 从列表创建一维数组
arr = np.array([1, 2, 3, 4, 5])
print("第一个数组:", arr)

输出：

第一个数组: [1 2 3 4 5]

3. 查看数组的基本信息

每个NumPy数组都有一些基本属性，如维度、形状、元素个数和数据类型：

print("数组维度:", arr.ndim)          # 维度数
print("数组形状:", arr.shape)         # 各维度大小
print("元素个数:", arr.size)          # 总元素个数
print("数据类型:", arr.dtype)         # 元素数据类型

输出：

数组维度: 1
数组形状: (5,)
元素个数: 5
数据类型: int64

4. 简单的数组运算

NumPy支持矢量化运算，即对整个数组进行相同的操作，无需编写循环：

# 每个元素加10
arr_plus = arr + 10
print("arr + 10 =", arr_plus)

# 每个元素乘以2
arr_times = arr * 2
print("arr * 2 =", arr_times)

# 计算数组的平均值
mean_val = np.mean(arr)
print("数组平均值:", mean_val)

# 计算数组的和
sum_val = np.sum(arr)
print("数组总和:", sum_val)

输出：

arr + 10 = [11 12 13 14 15]
arr * 2 = [ 2  4  6  8 10]
数组平均值: 3.0
数组总和: 15

5. 创建二维数组并进行运算

我们也可以创建二维数组（矩阵）并进行更复杂的操作：

# 创建2x3的二维数组
matrix = np.array([[1, 2, 3], [4, 5, 6]])
print("二维数组:\n", matrix)

# 计算所有元素的和
print("矩阵所有元素和:", np.sum(matrix))

# 按列求和（axis=0）
print("按列求和:", np.sum(matrix, axis=0))

# 按行求和（axis=1）
print("按行求和:", np.sum(matrix, axis=1))

输出：

二维数组:
 [[1 2 3]
 [4 5 6]]
矩阵所有元素和: 21
按列求和: [5 7 9]
按行求和: [ 6 15]

6. 完整代码示例

将以上代码整合起来，就是一个完整的第一个NumPy程序。你可以将其保存为 first_numpy.py 并运行。

import numpy as np

# 创建数组
arr = np.array([1, 2, 3, 4, 5])
print("第一个数组:", arr)

# 查看属性
print("维度:", arr.ndim)
print("形状:", arr.shape)
print("大小:", arr.size)
print("数据类型:", arr.dtype)

# 运算
print("arr + 10 =", arr + 10)
print("arr * 2 =", arr * 2)
print("平均值:", np.mean(arr))
print("总和:", np.sum(arr))

# 二维数组
matrix = np.array([[1, 2, 3], [4, 5, 6]])
print("二维数组:\n", matrix)
print("按列求和:", np.sum(matrix, axis=0))
print("按行求和:", np.sum(matrix, axis=1))

总结

通过这个简单的程序，你已经体验了NumPy的基本操作：导入库、创建数组、查看属性、进行矢量化运算。这些是后续深入学习的基础。接下来，我们将更系统地学习如何创建不同类型的NumPy数组。