【画学numpy】1.numpy数组初识

本文是画学numpy系列文章之一
⭐️github：drawing_and_studying_numpy包含了可以运行的notebook文件以及本文绘制的所有插图。
也可以选择在百度的AI studio【画学numpy】上运行notebook代码

🌈画学numpy系列文章目录：

• 【画学numpy】介绍
• 【画学numpy】1.numpy数组初识
• 【画学numpy】2.numpy数组创建
• 【画学numpy】3.numpy数组操作
• 【画学numpy】4.numpy数组索引
• 【画学numpy】5.numpy数组运算

1.numpy数组初识

下面主要了解numpy最核心的对象——数组。

整个numpy都在和数组打交道。

主要介绍：

• 怎样创建一个数组
• 数组的常用属性有哪些
• 简单了解之后经常用到的概念——数组的轴。

💡希望通过代码结合图形化的方式在初学者大脑中建立起形象的numpy数组概念，让之后的学习更加丝滑顺畅。

💡这是一个本篇内容基础的思维导图，在文章结尾会展示更完整的思维导图

import numpy as np
np.__version__

'1.22.3'

numpy数组简单创建

首先通过最原始的方法（列表）来创建数组，后续会介绍其他更简便地创建数组的方法。

下面用一、二、三维列表分别创建了三个数组。

三维数组会比二维数组复杂些，但其实三维数组的本质就是二维数组堆叠形成的，比如

创建一维数组

a = np.array([0, 1, 2, 3])
a

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

创建二维数组

b = np.array([[ 0,  1,  2,  3],
              [ 4,  5,  6,  7],
              [ 8,  9, 10, 11]])
b

array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

创建三维数组

c = np.array([[[ 0,  1,  2,  3],
               [ 4,  5,  6,  7],
               [ 8,  9, 10, 11]],

              [[12, 13, 14, 15],
               [16, 17, 18, 19],
               [20, 21, 22, 23]],

              [[24, 25, 26, 27],
               [28, 29, 30, 31],
               [32, 33, 34, 35]]])
c

array([[[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11]],

       [[12, 13, 14, 15],
        [16, 17, 18, 19],
        [20, 21, 22, 23]],

       [[24, 25, 26, 27],
        [28, 29, 30, 31],
        [32, 33, 34, 35]]])

numpy数组常用属性

这一小节介绍数组的常用属性，实际使用过程中.shape属性是使用最多的，我个人觉得刚开始学知道这个属性就够了，但为了内容丰富一点，这里多介绍了2个属性，这三个常用属性分别为：

• .shape：数组的形状，使用频率最高
• .ndim：数组的维数，使用频率一般
• .astype：数组的数据类型，也比较常用

下面介绍这几个属性的具体含义，例如之前我们创建的三个数组：

• 一维数组a，1维，长为4
• 二维数组b，2维，长为3宽为4
• 三维数组c，3维，深度为3长为3宽为4

可以通过ndim属性查看维数，通过shape属性查看形状

print('a.ndim:', a.ndim, 'a.shape:', a.shape)
print('b.ndim:', b.ndim, 'b.shape:', b.shape)
print('c.ndim:', c.ndim, 'c.shape:', c.shape)

a.ndim: 1 a.shape: (4,)
b.ndim: 2 b.shape: (3, 4)
c.ndim: 3 c.shape: (3, 3, 4)

通过.dtype属性查看数组的数据类型

print('a.dtype:', a.dtype)
print('b.dtype:', b.dtype)
print('c.dtype:', c.dtype)

a.dtype: int32
b.dtype: int32
c.dtype: int32

用图像表示就是：

numpy数组轴的概念

提示

这里先引入了轴的概念，一开始可以不用深究，了解有这么个东西就行，因为我一开始对这一概念也模模糊糊的。结合后面的内容会更容易了解轴的概念

轴的概念简单介绍：

可以把轴理解为第几个维度，比如之前的数组c的维数是三，那axis=0就是第一维，axis=1，axis=2分别是第二第三维。

• 在numpy中，通常用axis=0, axis=1的形式表示轴的编号。
• 数组有几维，数组就有几个轴。例如一维数组只有一个轴，二维数组就有两个轴，二维数组的轴就相当于换个名称来表示二维数组的行和列，比如axis=0相当于行，axis=1相当于列。

具体可以看下图：

如何快速记忆不同维度的数组，每个轴都代表什么？

比如，如何快速记忆三维数组 axis=1 是哪个轴？

其实很简单，记住一个口诀：右下里，依次递减。

解释：

• 最高维的轴朝右
• 第二个轴朝下
• 第三个轴朝里

比如上图的二维数组和三维数组，最高维的轴分别是axis=1和axis=2，都是朝右的。

然后二维数组和三维数组的第二维的轴，分别是axis=0和axis=1，都是朝下的

三维数组最后一个轴,axis=0 则是朝里的。

自然，只有一个轴的一维数组，最高维的轴是axis=0，也是朝右的

因此，只要结合好上面这张图，加上右下里这个口诀，就能图形化地把数组这个形象记在脑中了。

提示

右下里该怎么记？

自创个口诀，比如：我自幼(右)就喜欢下地里干活

当然也可以硬记，反正只有3个字。

超过三维怎么办？

方法有两个：

• 1.无视：别管大于三维的数组了，反正用得也不多。
• 2.套娃：比如遇到四维数组，就把三维数组打包成一个小盒子，然后四维数组就相当于多个盒子排成长条，就变成一维数组了。
  因为通过二层列表创建的数组就是二维数组。所以当绘图中出现单独的一列时，这也是一个二维数组。

通过二维列表创建二维数组，每个嵌套的列表只有一个元素。

b2 = np.array([[0],
               [1],
               [2]])
print(b2)

[[0]
 [1]
 [2]]

print('b2.ndim:', b2.ndim, 'b2.shape:', b2.shape)

b2.ndim: 2 b2.shape: (3, 1)

提示

本文中出现的变量名的一些约定

• 字母a, b, c, 分别表示一、二、三维数组
• 如果出现多个一维数组，则用a1, a2, …表示。出现多个二维、三维数组时同理

小结

下一章【画学numpy】2.numpy数组创建