Python雖然是一門比較好入門的語言，相較于其他語言來說是一門比較簡單的語言。不過有一個(gè)很重要的問題就是，即使Python 語言的很多方法不用手打都已經(jīng)被封裝，可以Python初學(xué)者還是要學(xué)習(xí)很多東西。下面我結(jié)合了一些經(jīng)常用到的NumPy基礎(chǔ)知識送給大家。

基礎(chǔ)知識

NumPy 主要的運(yùn)算對象為同質(zhì)的多維數(shù)組，即由同一類型元素(一般是數(shù)字)組成的表格，且所有元素通過正整數(shù)元組進(jìn)行索引。在 NumPy 中，維度 (dimension) 也被稱之為軸線(axes)。

比如坐標(biāo)點(diǎn) [1, 2, 1] 有一個(gè)軸線。這個(gè)軸上有 3 個(gè)點(diǎn)，所以我們說它的長度(length)為 3。而如下數(shù)組(array)有 2 個(gè)軸線，長度同樣為 3。

[[ 1., 0., 0.],

[ 0., 1., 2.]]

NumPy 的數(shù)組類(array class)叫做 ndarray，同時(shí)我們也常稱其為數(shù)組(array)。注意 numpy.array 和標(biāo)準(zhǔn) Python 庫中的類 array.array 是不同的。標(biāo)準(zhǔn) Python 庫中的類 array.array 只處理一維的數(shù)組，提供少量的功能。ndarray 還具有如下很多重要的屬性：

ndarray.ndim：顯示數(shù)組的軸線數(shù)量(或維度)。

ndarray.shape：顯示在每個(gè)維度里數(shù)組的大小。如 n 行 m 列的矩陣，它的 shape 就是(n,m)。

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

>>> b.shape

(2, 3)

ndarray.size：數(shù)組中所有元素的總量，相當(dāng)于數(shù)組的 shape 中所有元素的乘積，例如矩陣的元素總量為行與列的乘積。

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

>>> b.size

6

ndarray.dtype：顯示數(shù)組元素的類型。Python 中的標(biāo)準(zhǔn) type 函數(shù)同樣可以用于顯示數(shù)組類型，NumPy 有它自己的類型如：numpy.int32, numpy.int16, 和 umpy.float64，其中「int」和「float」代表數(shù)據(jù)的種類是整數(shù)還是浮點(diǎn)數(shù)，「32」和「16」代表這個(gè)數(shù)組的字節(jié)數(shù)(存儲大小)。

ndarray.itemsize：數(shù)組中每個(gè)元素的字節(jié)存儲大小。例如元素類型為 float64 的數(shù)組，其 itemsize 為 8(=64/8)。

>>> import numpy as np

>>> a = np.arange(15).reshape(3, 5)

>>> a

array([[ 0, 1, 2, 3, 4],

[ 5, 6, 7, 8, 9],

[10, 11, 12, 13, 14]])

>>> a.shape

(3, 5)

>>> a.ndim

2

>>> a.dtype.name

int64

>>> a.itemsize

8

>>> a.size

15

>>> type(a)

<type numpy.ndarray >

>>> b = np.array([6, 7, 8])

>>> b

array([6, 7, 8])

>>> type(b)

<type numpy.ndarray >

創(chuàng)建數(shù)組

NumPy 有很多種創(chuàng)建數(shù)組的方法。比如，你可以用 Python 的列表(list)來創(chuàng)建 NumPy 數(shù)組，其中生成的數(shù)組元素類型與原序列相同。

>>> import numpy as np

>>> a = np.array([2,3,4])

>>> a

array([2, 3, 4])

>>> a.dtype

dtype( int64 )

>>> b = np.array([1.2, 3.5, 5.1])

>>> b.dtype

dtype( float64 )

一個(gè)常見的誤差(error)在于調(diào)用 array 時(shí)使用了多個(gè)數(shù)值參數(shù)，而正確的方法應(yīng)該是用「[]」來定義一個(gè)列表的數(shù)值而作為數(shù)組的一個(gè)參數(shù)。

>>> a = np.array(1,2,3,4) # WRONG

>>> a = np.array([1,2,3,4]) # RIGHT

array 將序列中的序列轉(zhuǎn)換為二維的數(shù)組，序列中的序列中的序列轉(zhuǎn)換為三維數(shù)組，以此類推。

>>> b = np.array([(1.5,2,3), (4,5,6)])

>>> b

array([[ 1.5, 2. , 3. ],

[ 4. , 5. , 6. ]])

數(shù)組的類型也可以在創(chuàng)建時(shí)指定清楚：

>>> b = np.array([(1.5,2,3), (4,5,6)])

>>> c = np.array( [ [1,2], [3,4] ], dtype=complex )

>>> c

array([[ 1.+0.j, 2.+0.j],

[ 3.+0.j, 4.+0.j]])

一般數(shù)組的內(nèi)部元素初始是未知的，但它的大小是已知的。因此，NumPy 提供了一些函數(shù)可以創(chuàng)建有初始數(shù)值的占位符數(shù)組，這樣可以減少不必要的數(shù)組增長及運(yùn)算成本。

函數(shù) zeros 可創(chuàng)建一個(gè)內(nèi)部元素全是 0 的數(shù)組，函數(shù) ones 可創(chuàng)建一個(gè)內(nèi)部元素全是 1 的數(shù)組，函數(shù) empty 可創(chuàng)建一個(gè)初始元素為隨機(jī)數(shù)的數(shù)組，具體隨機(jī)量取決于內(nèi)存狀態(tài)。默認(rèn)狀態(tài)下，創(chuàng)建數(shù)組的數(shù)據(jù)類型(dtype)一般是 float64。

>>> np.zeros( (3,4) )

array([[ 0., 0., 0., 0.],

[ 0., 0., 0., 0.],

[ 0., 0., 0., 0.]])

>>> np.ones( (2,3,4), dtype=np.int16 ) # dtype can also be specified

array([[[ 1, 1, 1, 1],

[ 1, 1, 1, 1],

[ 1, 1, 1, 1]],

[[ 1, 1, 1, 1],

[ 1, 1, 1, 1],

[ 1, 1, 1, 1]]], dtype=int16)

>>> np.empty( (2,3) ) # uninitialized, output may vary

array([[ 3.73603959e-262, 6.02658058e-154, 6.55490914e-260],

[ 5.30498948e-313, 3.14673309e-307, 1.00000000e+000]])

為了創(chuàng)建數(shù)列，NumPy 提供一個(gè)與 range 類似的函數(shù)來創(chuàng)建數(shù)組：arange。

>>> np.arange( 10, 30, 5 )

array([10, 15, 20, 25])

>>> np.arange( 0, 2, 0.3 ) # it accepts float arguments

array([ 0. , 0.3, 0.6, 0.9, 1.2, 1.5, 1.8])

當(dāng) arange 使用浮點(diǎn)型參數(shù)時(shí)，因?yàn)楦↑c(diǎn)精度的有限性，arange 不能判斷有需要創(chuàng)建的數(shù)組多少個(gè)元素。在這種情況下，換成 linspace 函數(shù)可以更好地確定區(qū)間內(nèi)到底需要產(chǎn)生多少個(gè)數(shù)組元素。

>>> from numpy import pi

>>> np.linspace( 0, 2, 9 ) # 9 numbers from 0 to 2

array([ 0. , 0.25, 0.5 , 0.75, 1. , 1.25, 1.5 , 1.75, 2. ])

>>> x = np.linspace( 0, 2*pi, 100 ) # useful to evaluate function at lots of points

>>> f = np.sin(x)

array, zeros, zeros_like, ones, ones_like, empty, empty_like, arange, linspace, numpy.random.rand, numpy.random.randn, fromfunction, fromfile (這些函數(shù)也可以創(chuàng)建數(shù)組，有時(shí)間可以嘗試解釋)

輸出數(shù)組

當(dāng)你輸出一個(gè)數(shù)組時(shí)，NumPy 顯示這個(gè)數(shù)組的方式和嵌套列表是相似的。但將數(shù)組打印到屏幕需要遵守以下布局：

最后一個(gè)軸由左至右打印

倒數(shù)第二個(gè)軸為從上到下打印

其余的軸都是從上到下打印，且每一塊之間都通過一個(gè)空行分隔

如下所示，一維數(shù)組輸出為一行、二維為矩陣、三維為矩陣列表。

>>> a = np.arange(6) # 1d array

>>> print(a)

[0 1 2 3 4 5]

>>>

>>> b = np.arange(12).reshape(4,3) # 2d array

>>> print(b)

[[ 0 1 2]

[ 3 4 5]

[ 6 7 8]

[ 9 10 11]]

>>>

>>> c = np.arange(24).reshape(2,3,4) # 3d array

>>> print(c)

[[[ 0 1 2 3]

[ 4 5 6 7]

[ 8 9 10 11]]

[[12 13 14 15]

[16 17 18 19]

[20 21 22 23]]]

上述使用的 reshape 函數(shù)可指定數(shù)組的行列數(shù)，并將所有元素按指定的維度數(shù)排列，詳細(xì)介紹請看后面章節(jié)。在數(shù)組的打印中，如果一個(gè)數(shù)組所含元素?cái)?shù)太大，NumPy 會自動跳過數(shù)組的中間部分，只輸出兩邊。

>>> print(np.arange(10000))

[ 0 1 2 ..., 9997 9998 9999]

>>>

>>> print(np.arange(10000).reshape(100,100))

[[ 0 1 2 ..., 97 98 99]

[ 100 101 102 ..., 197 198 199]

[ 200 201 202 ..., 297 298 299]

...,

[9700 9701 9702 ..., 9797 9798 9799]

[9800 9801 9802 ..., 9897 9898 9899]

[9900 9901 9902 ..., 9997 9998 9999]]

如果想要 NumPy 輸出整個(gè)數(shù)組，你可以用 set_printoptions 改變輸出設(shè)置。

>> np.set_printoptions(threshold=np.nan)

好啦！今天的分享到這里就結(jié)束了，希望大家持續(xù)關(guān)注馬哥教育官網(wǎng)，每天都會有大量優(yōu)質(zhì)內(nèi)容與大家分享！

版權(quán)聲明：轉(zhuǎn)載文章來自公開網(wǎng)絡(luò)，版權(quán)歸作者本人所有，推送文章除非無法確認(rèn)，我們都會注明作者和來源。如果出處有誤或侵犯到原作者權(quán)益，請與我們聯(lián)系刪除或授權(quán)事宜。