Python进阶:可视化学习Numpy

简介

通过可视化的方式来学习与理解Numpy中的简单概念。

文中图片出自A Visual Intro to NumPy and Data Representation

什么是Numpy？

Numpy是Python中用于数据分析、机器学习与科学计算的知名第三方库，它是Python中很多科学计算库的依赖包，如sickit-learn、SciPy、Pandas等

创建数组

Numpy中创建数组使用 np.array(list) 则可，本质其实就是将 list 转换成了 Numpy中定义的 numpy.ndarray类型，从而方便高效的进行各种矩阵运算。

In [1]: import numpy as np

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

In [3]: print(a) #数组的值
[1 2 3]

In [4]: a.dtype # 每个元素的类型
Out[4]: dtype('int64')

In [5]: a.shape #形状，　三行零列。
Out[5]: (3,)

In [6]: a.size #array的大小，其实就是array中所有元素的个数
Out[6]: 3

从代码中可以看出，我们创建了一个名为a的数组，它的形状为(3,)，即三行零列，整体大小为3，形象如下图：

在通过list创建array时，如果没有指定dtype(数组元素类型)， 那么就会以list中元素的类型而自动定义成对应的默认类型，如果list中全为整型，则dtype默认为int64，如果list中存在浮点型，则dtype默认为float64，当然这是可以修改的，如下：

In [7]: np.array([1,2,3]).dtype
Out[7]: dtype('int64') # list中全为整型，则dtype默认为int64

In [8]: np.array([1.0,2,3]).dtype
Out[8]: dtype('float64') # list中存在浮点型，则dtype默认为float64

In [9]: np.array([1,2,3], dtype=np.float32).dtype
Out[9]: dtype('float32') # dtype可以修改

实际使用Numpy时，通常会直接通过Numpy生成数组的初始值，而不是我们通过list去生成，Numpy为此提供了ones()、zeros()、random.random()等方法。

In [10]: n1 = np.ones(3)

In [11]: print(n1)
[1. 1. 1.]

In [12]: n1.dtype
Out[12]: dtype('float64')

In [13]: n2 = np.zeros(3)

In [14]: print(n2)
[0. 0. 0.]

In [15]: n3 = np.random.random(3)

In [16]: print(n3)
[0.95151279 0.79374927 0.52983953]

从代码可以看出，ones()方法会将数组元素全初始化为1.，zeros()与random.random()方法也都类似，需注意，这3个方法生成的数组类型都为float64，形象如下图：

数组运算

创建两个数组，将他们相加，获得一个新的数组。

In [20]: data = np.array([1,2])

In [21]: ones = np.ones(2)

In [22]: data + ones
Out[22]: array([2., 3.])

可以发现，我们不用使用for迭代的方式去运算数组结构，直接通过+操作符就完事了，抽象做的非常好，如下图：

与加法类似，减法、乘法、除法如下：

加减乘除法除了数组之间可以使用，数组与单纯的数字也可以计算

In [23]: data
Out[23]: array([1, 2])

In [24]: data + 1
Out[24]