2024年手把手教你用Python的NumPy包处理数据！NumPy可是神器！

而且，每个NumPy数组都具有以下属性：

• ndim： 维数。

• shape： 每一维的大小。

• size： 数组中元素的总数。

• dtype： 数组的数据类型（例如int、float、string等）。

让我们来看看整数数组的上述属性：

print( “int_arr ndim: “, int_arr.ndim)

print( “int_arr shape: “, int_arr.shape)

print( “int_arr size: “, int_arr.size)

print( “int_arr dtype: “, int_arr.dtype)

输出结果：

int_arr ndim: 1

int_arr shape: (10,)

int_arr size: 10

int_arr dtype: int64

从这些输出中，我们可以看到我们的数组只包含一维，其包含10个元素且所有元素都是64位的整数。当然，如果你在32位机器上执行这段代码，你可能会得到dtype：int 32。

03 通过索引访问单个数组元素

如果你之前使用过Python的标准列表索引，那么你就不会发现NumPy中的索引有很多问题。在一维数组中，通过在方括号中指定所需的索引，可以访问第i个值（从0开始计算），与Python列表一样：

int_arr

输出结果：

array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

int_arr[ 0]

输出结果：

0

int_arr[ 3]

输出结果：

3

要从数组的末尾建立索引，可以使用负索引号：

int_arr[ -1]

输出结果：

9

int_arr[ -2]

输出结果：

8

切割数组还有一些其他很酷的技巧，如下所示：

int_arr[ 2: 5] #from index 2 up to index 5 – 1

输出结果：

array([2, 3, 4])

int_arr[: 5] #from the beginning up to index 5 – 1

输出结果：

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

int_arr[ 5:] #from index 5 up to the end of the array

输出结果：

array([5, 6, 7, 8, 9])

int_arr[:: 2] #every other element

输出结果：

array([0, 2, 4, 6, 8])

int_arr[:: -1] #the entire array in reverse order

输出结果：

array([9, 8, 7, 6, 5, 4, 3, 2, 1, 0])

建议你自己尝试使用这些数组！

提示：NumPy中切割数组的一般形式与标准Python列表中的相同。使用x [start: stop: step]访问数组x中的一个片段。如果没有指定任何一个值，那么默认值为start=0、stop=size of dimension、step=1。

04 创建多维数组

数组不必局限于列表。实际上，数组可以有任意维数。在 机器学习 中，通常我们至少要处理二维数组，列索引表示特定的特征值，行包含实际的特征值。

使用NumPy可以轻松地从头开始创建多维数组。假设我们想要创建一个3行5列的数组，所有的元素都初始化为0。如果我们不指定数据类型，NumPy将默认使用float类型：

arr_2d = np.zeros(( 3, 5))

arr_2d

输出结果：

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

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

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

使用OpenCV时你可能就知道：这可以解释为所有像素设置为0（黑色）的一个3×5的灰度图像。例如，如果你想要创建具有3个颜色通道（R、G和B）2×4像素的一个小图像，但是所有像素都设置为白色，我们将使用NumPy创建一个3×2×4的三维数组：

arr_float_3d = np.ones(( 3, 2, 4))

arr_float_3d

输出结果：

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.]]])

这里，第一维定义颜色通道（OpenCV中的蓝色、绿色和红色）。因此，如果这是真实的图像数据，我们可以通过切割数组轻松地获得第一个通道中的颜色信息：

arr_float_3d[ 0, :, :]

输出结果：

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

[1., 1., 1., 1.]])

在OpenCV中，图像要么是值在0到1之间的32位浮点数组，要么是值在0到255之间的8位整数数组。因此，使用8位整数，通过指定NumPy的dtype属性并将数组中的所有1乘以255，我们还可以创建一个2×4像素、全为白色的RGB图像：

arr_uint_3d = np.ones(( 3, 2, 4), dtype=np.uint8) * 255

arr_uint_3d

输出结果：

array([[[255, 255, 255, 255],

[255, 255, 255, 255]],

[[255, 255, 255, 255],

[255, 255, 255, 255]],

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里无偿获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！