Python之NumPy使用

最新推荐文章于 2022-12-21 11:27:16 发布

皮卡丘的学习生涯

最新推荐文章于 2022-12-21 11:27:16 发布

阅读量968

点赞数

本文链接：https://blog.csdn.net/u011915116/article/details/88776052

版权

本文详细介绍了Python的科学计算库NumPy，包括其基本概念、基础数据结构如ndarray，常用函数，索引和切片，数据运算，广播机制，以及随机数的生成。NumPy提供强大的数组操作功能，适用于数据处理、数据分析和科学计算。通过学习NumPy，开发者可以创建高效的多维数组对象，执行数学和逻辑操作，是构建数据科学和机器学习环境的关键组件。

摘要由CSDN通过智能技术生成

欢迎关注

微信公众号：想进化的猿

头条号：python进阶者

一、NumPy基本概念

NumPy是Python的一种开源数值计算扩展，是一种用Python实现的科学计算工具包，可用来存储和处理大型矩阵。Numpy提供的内容包括以下几部分：

1、一个强大的N维数组对象Array，也就是ndarray；

2、较为成熟的函数库；

3、用于整合C/C++和Fortran代码的工具包；

4、实用的线性代数、傅里叶变换和随机数生成函数。

NumPy是一个运行速度非常快的数学库，它的主要功能就是数组计算。NumPy配合SciPy（高级科学计算库）、Matplotlib（绘图工具库）一起使用可组成强大的科学计算环境，可用于代替MatLab的功能，并且有助于我们通过Python学习数据科学和机器学习。

关于NumPy的安装和系统学习可参考NumPy中文文档：https://www.numpy.org.cn。

二、NumPy基础数据结构

NumPy数组（即ndarray，以下统一用ndarray表示）是一个多维数组对象，它由两部分组成，包括：1、实际的数据。2、描述数据的元数据。

NumPy数组的创建

NumPy创建数组最基本的方法是将序列传递给NumPy的array()函数，参数可以是列表、元组等，基本用法如下：

import numpy as np

arr1 = np.array([0, 1, 2, 3, 4])
arr2 = np.array((0, 1, 2, 3, 4))
print([0, 1, 2, 3, 4])
print((0, 1, 2, 3, 4))
print(arr1)
print(arr2)

以上代码分别给array()函数传入一个列表和元组，生成的ndarray是一样的。作为对比，我们把源列表和元组也打印出来，运行结果如下图所示。从打印结果可以看出，Python的列表和元组数据间用逗号隔开，而ndarray的数据之间用空格隔开。

ndarray还可以通过NumPy的arange()函数创建。arange()函数创建的是一个等差数组，它非常类似Python自身的range()函数，两者的区别仅仅在于返回值，arange()函数返回的是一个ndarray，而range()函数返回的是list。下面我们看一下arange()函数创建ndarray的基本用法。

import numpy as np

arr1 = np.arange(5)
arr2 = np.arange(1, 5)
arr3 = np.arange(1, 10, 2)

print(arr1)
print(arr2)
print(arr3)

我们通过给arange()函数传入不同个数的参数分别创建了三个ndarray。arr1传入一个参数5，表示创建0~4共5个数的ndarray；arr2传入两个参数1，5，表示创建1~4的ndarray，arange与range一样，是不包括大数的，所以不能取到5；arr3传入3个参数，前两个参数表示数据范围1~9的整数，第三参数2表示以2为一个跨度，即取1，3，5，7，9这5个数为ndarray数据。运行结果如下所示。

熟悉Matlab的朋友都知道linspace是一个均分计算指令，NumPy中也有linspace()函数，作用与Matlab中的linspace一致，它也可以用来创建ndarray。

import numpy as np

arr1 = np.linspace(1, 10, 4)
arr2 = np.linspace(1, 10, 4, endpoint=False)
arr3 = np.linspace(1, 10, 4, retstep=True)

print(arr1)
print(arr2)
print(arr3)

运行结果如下，1~10区间4等分后的数据组成ndarray，且数据为浮点型。linspace中的endpoint参数表示是否包含最后一个值，这里是10，默认为True包含，设为False就不包含了；retstep参数表示是否返回步长，默认为False不包含，设为Ture返回一个元组，包括一个ndarray和一个步长值。

以上我们创建的都是一维的ndarray，接下来我们创建几个多维的ndarray，基本创建方法如下。

import numpy as np

arr1 = np.array([[0, 1, 2, 3, 4], [5, 6, 7, 8, 9]])
arr2 = np.arange(1, 5).reshape(2, 2)
arr3 = np.arange(1, 12, 2).reshape(2, 3)

print(arr1)
print(arr2)
print(arr3)

reshape()函数可以重新调整矩阵的行数、列数、维数，利用reshape()可以将一维ndarray调整为多维的ndarray。运行结果如下。

通过array()函数想利用多维数组为参数来创建ndarray时，如果传入的多维数组个数不一样，NumPy不会报错，但不会如愿生成多维ndarray，而是会生成一维ndarray。当传入的多维数组中其中有字符串时，生成的多维ndarray就会自动转化成字符串类型，我们看一下效果。

import numpy as np

arr1 = np.array([[0, 1, 2, 3, 4], [5, 6, 7, 8]])
arr2 = np.array([[0, 1, 2, 3, 4], ['a', 'b', 'c', 'd', 'e']])

print(arr1)
print(arr2)

arr1传入两个个数不同的数list，生成的是一个包含两个list类型的一维ndarray；arr2传入一个整型list和一个字符型list，生成的是一个字符型的二维ndarray。

NumPy中还有一些常见的ndarray创建方式，包括zeros()、zeros_like()、ones()、ones_like()、eye()等函数。zeros()函数初始化一个数据全为0的ndarray；zeros_like()函数传入一个ndarray，生成一个形状一模一样、数据全为0的ndarray；ones()函数和ones_like()函数的功能与zeros()函数、zeros_like()函数类似，只是ones()函数和ones_like()函数生成的ndarray数据全为1。eye()函数创建一个行列数相同的单位矩阵ndarray，即对角线值全为1，其余值全为0的ndarray。这些函数的基本用法如下。

import numpy as np

arr1 = np.zeros(5)
arr = [[0, 1, 2, 3, 4], [5, 6, 7, 8, 9]]
arr2 = np.zeros_like(arr)
arr3 = np.ones(5)
arr4 = np.ones_like(arr)
arr5 = np.eye(5)

print(arr1)
print(arr2)
print(arr3)
print(arr4)
print(arr5)

运行结果如下所示。

NumPy数组的基本属性

首先，我们需要明确几个概念。数组的维数称为秩，一维数组的秩为1，二维数组的秩为2，依次类推。在NumPy中，每个线性的数组称为一个轴，秩描述的其实就是轴的数量。

NumPy数组的常见属性有以下几个：

ndim：ndarray的秩数（轴数），也就是数组的维度个数。

shape：ndarray的形状，例如n行m列的ndarray，shape就是(n，m)。

size：ndarray中所有元素的个数，例如n行m列的ndarray，size就是n*m。

dtype：ndarray的元素类型。

itemsize：ndarray中元素的字节大小，例如int32的字节大小为4，float64的字节大小为8。

我们创建一个4行5列的整型数组，即n=4，m=5，分别看一下这几个属性。

import numpy as np

arr = np.arange(20).reshape(4, 5)

print(arr)
print('ndim: ' + str(arr.ndim))
print('shape: ' + str(arr.shape))
print('size: ' + str(arr.size))
print('dtype: ' + str(arr.dtype))
print('itemsize: ' + str(arr.itemsize))

运行结果如下所示。对于4行5列的ndarray，轴数为2，形状为(4，5)，共有4*5=20个数据，元素类型为int64，字节大小就是int64的字节大小，为8。