手把手教你安装和使用NumPy库_numpy库怎么安装

1.NumPy

• 强大的多维度数组与矩阵计算库

• 支持大量的维度数组与矩阵运算

• 几乎所有从事 Python 工作的 BI 和 AI 程序员都要使用 NumPy的强大功能​

2.安装 NumPy 库

• 第一种：Anaconda 自带 NumPy 库，不需要安装（Anaconda的教程请点击查看）

• 第二种：使用 pip install numpy 命令安装

3.导入 numpy 库，并查看numpy版本

• 导入 numpy 库

# 数据分析“三剑客”
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

• 查看 numpy 版本

# 版本np.__version__
# 执行结果'1.24.3'

4.matplotlib 操作图片

# python.png
# 图片：其实是数字组成的，三维数组
# RGB：红Red，绿Green，蓝Blue
# RGB范围：0-255
# plt.imread：读取图片的数据
pyimg = plt.imread("python.png")
pyimg
# 执行结果
array([[[0.09019608, 0.15294118, 0.24313726, 1.        ],
        [0.05882353, 0.12156863, 0.21176471, 1.        ],
        [0.08235294, 0.14509805, 0.23529412, 1.        ],
        ...,
        [0.05490196, 0.11764706, 0.20784314, 1.        ],
        [0.05098039, 0.11372549, 0.20392157, 1.        ],
        [0.08235294, 0.14509805, 0.23529412, 1.        ]],
 
       [[0.09019608, 0.15294118, 0.24313726, 1.        ],
        [0.05882353, 0.12156863, 0.21176471, 1.        ],
        [0.08235294, 0.14509805, 0.23529412, 1.        ],
        ...,
        [0.05490196, 0.11764706, 0.20784314, 1.        ],
        [0.05098039, 0.11372549, 0.20392157, 1.        ],
        [0.08235294, 0.14509805, 0.23529412, 1.        ]],
 
       [[0.09019608, 0.15294118, 0.24313726, 1.        ],
        [0.05882353, 0.12156863, 0.21176471, 1.        ],
        [0.08235294, 0.14509805, 0.23529412, 1.        ],
        ...,
        [0.05490196, 0.11764706, 0.20784314, 1.        ],
        [0.05098039, 0.11372549, 0.20392157, 1.        ],
        [0.08235294, 0.14509805, 0.23529412, 1.        ]],
 
       ...,
 
       [[0.0627451 , 0.25882354, 0.5294118 , 1.        ],
        [0.0627451 , 0.25882354, 0.5294118 , 1.        ],
        [0.0627451 , 0.25882354, 0.5294118 , 1.        ],
        ...,
        [0.0627451 , 0.25882354, 0.5294118 , 1.        ],
        [0.0627451 , 0.25882354, 0.5294118 , 1.        ],
        [0.0627451 , 0.25882354, 0.5294118 , 1.        ]],
 
       [[0.0627451 , 0.25882354, 0.5294118 , 1.        ],
        [0.0627451 , 0.25882354, 0.5294118 , 1.        ],
        [0.0627451 , 0.25882354, 0.5294118 , 1.        ],
        ...,
        [0.0627451 , 0.25882354, 0.5294118 , 1.        ],
        [0.0627451 , 0.25882354, 0.5294118 , 1.        ],
        [0.0627451 , 0.25882354, 0.5294118 , 1.        ]],
 
       [[0.0627451 , 0.25882354, 0.5294118 , 1.        ],
        [0.0627451 , 0.25882354, 0.5294118 , 1.        ],
        [0.0627451 , 0.25882354, 0.5294118 , 1.        ],
        ...,
        [0.0627451 , 0.25882354, 0.5294118 , 1.        ],
        [0.0627451 , 0.25882354, 0.5294118 , 1.        ],
        [0.0627451 , 0.25882354, 0.5294118 , 1.        ]]], dtype=float32)
        
type(pyimg)    
# numpy.ndarray：多维数组
# nd：n维度，多维
# array：数组
# 执行结果
numpy.ndarray
 
# 查看形状：三维
# (539, 1080, 4)：高度、宽度、颜色（RGB的值）
pyimg.shape
# 执行结果
(539, 1080, 4)
 
# 显示图片
plt.imshow(pyimg)
 
# 图片：3维数据（彩色），2维数据是白色
# 视频：4维数据(x,539, 1080, 4)
# 数据分析：一切皆数据，一切皆矩阵
# Python：一切皆对象