NumPy入门:面试官问“Python怎么做矩阵运算“,别说用嵌套list
Python基础打好了今天进入NumPy。NumPy是Python科学计算的基石。做机器人开发处理传感器数据、做矩阵运算、跑算法原型几乎离不开它。面试的时候如果岗位涉及Python开发NumPy是必考内容。先说个对比。C里做矩阵运算你可能会用Eigen。Python里对应的就是NumPy。Eigen的Matrix类型在NumPy里是ndarray。Eigen有矩阵乘法、求逆、特征值分解NumPy全都有。但NumPy比Eigen更通用——它不只是矩阵库而是一个多维数组处理框架。图像数据是三维数组高x宽x通道点云是二维数组Nx3时间序列是一维数组。NumPy统一处理这些数据格式。ndarrayNumPy的核心对象NumPy的核心是ndarray——N维数组。和Python原生的list相比ndarray有两个关键优势。第一内存连续。ndarray在内存中是连续存储的和C的数组一样。这意味着CPU缓存命中率高遍历速度快。Python的list存的是对象指针每个元素散落在堆内存的不同位置。第二向量化运算。ndarray支持逐元素运算不需要写循环import numpy as np a np.array([1.0, 2.0, 3.0]) b np.array([4.0, 5.0, 6.0]) c a b # [5.0, 7.0, 9.0] d a * b # [4.0, 10.0, 18.0] e np.dot(a, b) # 32.0 点积同样的操作如果用Python list写需要for循环或者列表推导式。NumPy的向量化运算底层是C实现比纯Python快几十倍甚至上百倍。创建数组的几种方式# 从list创建 arr np.array([1, 2, 3, 4]) # 常用工厂函数 zeros np.zeros((3, 4)) # 3x4全零矩阵 ones np.ones((2, 3)) # 2x3全一矩阵 eye np.eye(3) # 3x3单位矩阵 rand np.random.rand(3, 4) # 3x4随机矩阵 # 等差序列 linspace np.linspace(0, 1, 100) # 0到1之间100个均匀点 arange np.arange(0, 10, 0.5) # 0到10步长0.5在机器人开发中np.zeros常用于初始化缓冲区np.linspace常用于生成轨迹插值点np.eye常用于构造变换矩阵。数组操作reshape、切片、广播reshape——改变数组形状但不改变数据# 一个12元素的一维数组 flat np.arange(12) # 变成3x4的矩阵 matrix flat.reshape(3, 4) # 变成2x2x3的三维数组 tensor flat.reshape(2, 2, 3) # -1表示自动推断维度 matrix2 flat.reshape(3, -1) # 等价于reshape(3, 4)切片——和Python list类似但更强大data np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) data[0, :] # 第一行: [1, 2, 3] data[:, 1] # 第二列: [2, 5, 8] data[0:2, 1:] # 子矩阵: [[2, 3], [5, 6]]注意NumPy的切片返回的是视图view不是拷贝。修改视图会改变原数组。如果需要独立的副本用.copy()sub data[0:2, :].copy() # 独立副本广播broadcasting——不同形状的数组之间做运算# 一个3x4矩阵加上一个长度为4的向量 matrix np.ones((3, 4)) vector np.array([1, 2, 3, 4]) result matrix vector # 自动广播每行都加上vector广播规则是两个数组的维度从右往左对齐每个维度要么相等要么其中一个是1。不满足规则会报ValueError。数学运算和统计data np.random.rand(1000) # 统计 mean np.mean(data) std np.std(data) max_val np.max(data) min_val np.min(data) # 矩阵运算 A np.random.rand(3, 3) B np.random.rand(3, 3) C A B # 矩阵乘法等价于np.dot(A, B) A_inv np.linalg.inv(A) # 求逆 eigenvalues np.linalg.eig(A) # 特征值分解运算符是Python 3.5引入的矩阵乘法符号比np.dot更直观。数据类型和内存NumPy数组是同质homogeneous的——所有元素必须是同一类型。这和Python list不同list可以混合存放不同类型。arr_float64 np.array([1.0, 2.0], dtypenp.float64) # 默认 arr_float32 np.array([1.0, 2.0], dtypenp.float32) # 省内存 arr_int32 np.array([1, 2, 3], dtypenp.int32)在机器人系统中如果精度要求高比如SLAM中的位姿估计用float64如果数据量大但对精度要求不高比如点云可视化用float32可以省一半内存。另一个值得注意的点NumPy默认是C顺序行优先和C一样。但Fortran顺序列优先在某些线性代数运算中更高效。用orderF可以指定。如果你从Fortran或MATLAB迁移过来这个设置很重要。NumPy常见踩坑记录新手用NumPy最容易犯的错误之一是切片修改了原数组。a np.array([1,2,3]); b a[:2]; b[0] 99结果a也变了。这是因为b是a的视图不是副本。解决方式是显式.copy()。但在大数组上频繁copy会影响性能所以要在安全和效率之间取舍。另一个坑是整数溢出。np.array([200], dtypenp.int8) np.array([100], dtypenp.int8)的结果不是300而是-56因为int8的范围是-128到127。NumPy不会像Python那样自动提升精度溢出是静默发生的。处理传感器数据时建议统一用float64或者明确检查数据范围避免这种隐蔽的bug。和机器人开发的联系在机器人开发中NumPy的使用场景非常多。传感器数据处理——激光雷达的扫描数据就是一个Nx2或Nx3的数组用NumPy做滤波、变换非常方便。坐标变换——旋转矩阵、平移向量都是NumPy数组矩阵乘法一步搞定。轨迹生成——用linspace生成时间序列用向量化运算计算每个时刻的位置。后面聊Eigen的时候我们用过C做这些运算。在Python里NumPy就是Eigen的替代品。区别是NumPy更快原型开发阶段Eigen更适合生产部署。说到性能优化面试中经常被问到的一点是为什么NumPy比纯Python快核心原因有三个一是连续内存带来的缓存友好性二是向量化操作避免了Python解释器的循环开销三是底层C实现使用了高度优化的BLAS库。理解了这三点面试时回答这个问题就不会只停留在因为用C写的这个表面答案了。给正在准备面试的你NumPy在Python面试中属于中等频率考点。建议你至少掌握数组创建、reshape、切片、广播、基本的矩阵运算。这些是后续学pandas、Matplotlib、PyTorch的基础。下篇NumPy进阶——矩阵运算与机器人运动学计算。我们会用NumPy来实现一些机器人学中的经典计算比如旋转矩阵、四元数转换、正运动学。如果这篇文章对你有帮助欢迎点赞、在看、转发三连。 你的支持是我持续更新的最大动力。「机器人软件开发面试·从入门到精通」连载系列上一篇第70篇 Python文件与数据处理——CSV/JSON/YAML的读写 下一篇预告第72篇 NumPy进阶——矩阵运算与机器人运动学计算有任何问题欢迎评论区留言我会尽量回复。

相关新闻

【企业级AI ROI评估框架V3.2】:经27家 Fortune 500 验证,3天完成从部署到收益建模

【企业级AI ROI评估框架V3.2】:经27家 Fortune 500 验证,3天完成从部署到收益建模

更多请点击: https://codechina.net 第一章:AI工具 ROI计算方法 衡量AI工具投入产出比(ROI)不能仅依赖传统软件采购模型,而需结合自动化增益、人力替代效率、错误率下降带来的隐性成本节约等多维指标。核心公式为&…

2026/11/21 13:48:46 阅读更多 →
为什么SunnyUI是C WinForm开发的现代化救星?

为什么SunnyUI是C WinForm开发的现代化救星?

为什么SunnyUI是C# WinForm开发的现代化救星? 【免费下载链接】SunnyUI SunnyUI.NET 是基于.NET Framework 4.0、.NET6、.NET8、.NET9 框架的 C# WinForm UI、开源控件库、工具类库、扩展类库、多页面开发框架。 项目地址: https://gitcode.com/gh_mirrors/su/Sun…

2026/11/19 23:31:08 阅读更多 →
为什么选择Larq?探索二值化神经网络在资源受限设备上的强大优势

为什么选择Larq?探索二值化神经网络在资源受限设备上的强大优势

为什么选择Larq?探索二值化神经网络在资源受限设备上的强大优势 【免费下载链接】larq An Open-Source Library for Training Binarized Neural Networks 项目地址: https://gitcode.com/gh_mirrors/la/larq Larq是一个开源深度学习库,专为训练具…

2026/11/17 9:51:55 阅读更多 →

最新新闻

Electron桌面应用开发实战:从环境搭建到打包发布全流程

Electron桌面应用开发实战:从环境搭建到打包发布全流程

做前端这些年,我大部分时间都在跟浏览器标签页打交道,直到第一次把桌面应用跑起来,才发现原来自己一直被限制在地址栏和刷新按钮围起来的框框里。Electron这个词,最开始是在某段时间频繁出现在同事的讨论里,一个用HTML…

2026/11/20 23:27:28 阅读更多 →
滑盖智能锁T109深度解析:结构原理、安装调试与故障排查

滑盖智能锁T109深度解析:结构原理、安装调试与故障排查

简介:亚太天能T109滑盖智能锁产品说明书是一份PDF格式的官方技术文档,主要面向智能锁安装人员、终端用户及售后维护者,帮助快速掌握产品安装、配置与常见故障处理。全包仅1个PDF文件,大小4.37MB,内容结构清晰&#xff…

2026/11/20 23:27:28 阅读更多 →
PMSM弱磁控制原理与Simulink建模:高速AGV驱动系统设计指南

PMSM弱磁控制原理与Simulink建模:高速AGV驱动系统设计指南

上个月我在调试一台高速AGV的驱动系统,整车要求空载跑到8m/s,电机转速已经拉到额定点,驱动器的输出电压也顶到了母线电压极限附近。再往上踩速度指令,转速纹丝不动,三相电流反而开始震荡。那会儿我的第一反应就是&…

2026/11/20 23:27:28 阅读更多 →
C++核心知识点:从内存管理到STL的实战指南

C++核心知识点:从内存管理到STL的实战指南

C 这门语言我前前后后折腾了十几年,用它写过嵌入式驱动、做过游戏服务端,也搭过基础组件库。每次看到新人一头扎进"C 核心知识点"这个搜索词,我其实挺感慨的——这门语言的难点从来不是语法多,而是知识点之间的耦合太深…

2026/11/20 21:55:32 阅读更多 →
T109滑盖智能锁怎么装?安装调试与故障排查全攻略

T109滑盖智能锁怎么装?安装调试与故障排查全攻略

简介:亚太天能T109滑盖智能锁产品说明书以PDF格式发布,适合智能锁用户、安装人员与售后维修人员阅读。内容围绕T109系列指纹密码刷卡锁展开,先介绍前面板、后面板、锁体、机械钥匙、电池盒盖等部件名称与功能,再给出完整安装步骤&…

2026/11/20 23:27:28 阅读更多 →
LLM知识降熵:从信息垄断到理解权下放

LLM知识降熵:从信息垄断到理解权下放

你有没有过这种经历:翻开源码注释、论文摘要或者一份专业报告,每个字都认识,连在一起却像天书。想找人聊聊,身边要么没人懂,要么懂的懒得跟你解释。后来我试着把同一段内容丢给一个大语言模型,几秒钟之后&a…

2026/11/20 22:59:12 阅读更多 →

日新闻

周新闻

月新闻