机器学习中的numpy的array_【Data Mining】机器学习三剑客之Numpy常用用法总结

原标题：【Data Mining】机器学习三剑客之Numpy常用用法总结

作者：陈老师

个人公众号：接地气学堂

陈老师新课：商业分析全攻略 https://edu.hellobi.com/course/308 用数据分析方法解决商业问题，目前已经100+学员加入！5星好评。分析思维双剑合璧，四大板块：概念篇、行业篇、思维篇、套路篇

一、前言

玩数据分析、数据挖掘、AI的都知道这个python库用的是很多的，里面包含各种操作，在实际的dataset的处理当中是非常常用的，这里我做一个总结，方便自己看，也方便大家看，我准备做一个非常细致的分类，每个分类有对应的numpy常用用法，以后见到或者用到再一个个慢慢加进来，如果我还用csdn我就会移植update下去。

二、下载、安装、导入

用anaconda安装是十分方便的，如果你已经安装了tf,keras之类的，其实已经直接把numpy安装了，一般来说安装就是pip命令。

1pip install numpy #py2

2pip3 install numpy #py3

用法则是

1import numpy as np　# 一般as为np来操作

三、常用用法总结

１．array基本信息以及生成各种常见array基本操作

生成array，得到对应的基本信息

1import numpy as np

2

3array = np.array([[1, 2, 3],

4 [2, 3, 4]])

5

6print array #numpy生成的array

7print array.dtype　# 每个元素的类型

8print "number of dim", array.ndim　# array的维度

9print 'shape:', array.shape　#形状，　两行三列。

10print 'size:', array.size #array的大小＝array中所有元素的个数

11"""

12 [[1 2 3]

13 [2 3 4]]

14 int64

15 number of dim 2

16 shape: (2, 3)

17 size: 6

18"""

array的生成就是np.array(list)，本质上是把定义的list转换成array，因为array可以进行更加方便地计算和操作，比如矩阵的转置和相乘。

array的dtype设置

1import numpy as np

2

3a = np.array([2, 23, 4], dtype=np.float32)

4print "a's dtype", a.dtype

5aa = np.array([2, 23, 4], dtype=np.int)

6print "aa's dtype", aa.dtype

7aaa = np.array([2, 23, 4])

8print "aaa's dtype", aaa.dtype

9aaaa = np.array([2.2, 23.2, 4.2])

10print "aaaa's dtype", aaaa.dtype

11aaaaa = np.array([2, 23, 4], dtype=np.int64)

12print "aaaaa's dtype:", aaaaa.dtype

13

14"""

15 a's dtype float32

16 aa's dtype int64

17 aaa's dtype int64

18 aaaa's dtype float64

19 aaaaa's dtype: int64

20"""

由可以得到一个结论就是如果定义的array里面的list的元素本身为整数的话，不设置type，则默认为int64,如果设置为int类型而没有设置字节大小则还是默认为int64,如果元素本身为小数，则默认为float64。

所以如果用int64，则如果元素都为整数则不需要设置默认即可，设置其他类型需要设置，float类似。

生成常见array格式

1a1 = np.zeros((2, 3), dtype=np.int) # 生成shape=(2, 3)的全为0的array

2

3print a1

4"""

5 [[0 0 0]

6 [0 0 0]]

7"""

8

9a2 = np.ones((3, 4), dtype=np.int16) # 生成shape=(3, 4)的全为1的array

10

11print a2

12"""

13 [[1 1 1 1]

14 [1 1 1 1]

15 [1 1 1 1]]

16"""

这里注意shape=(a,b)，在填入shape的参数的时候一定要加括号，以下雷同。

1a3 = np.empty((3, 4)) # 生成shape=(3, 4)的全为接近空的array

2print a3

3"""

4 [[6.92259773e-310 4.67497449e-310 6.92259751e-310 6.92259750e-310]

5 [2.37151510e-322 3.16202013e-322 0.00000000e+000 6.92257087e-310]

6 [6.92259748e-310 6.92257087e-310 6.92257063e-310 6.92257063e-310]]

7"""

8a4 = np.arange(10, 20, 2)　　# 生成array　10到20　每隔2的一增加，for循环中主要使用

9print a4

10"""

11 [10 12 14 16 18]

12"""

13

14a5 = np.arange(12) # 生成array　０到12-1=11　每一个增加，for循环中非常常用

15print a5

16"""

17 [ 0 1 2 3 4 5 6 7 8 9 10 11]

18"""

19

20a6 = np.arange(12).reshape((3,4)) # 这里主要展示reshape的功能，能够重新定义矩阵的形状

21print a6

22"""

23 [[ 0 1 2 3]

24 [ 4 5 6 7]

25 [ 8 9 10 11]]

26"""

27 # 1和10之间４个元素越过，这个主要应用在插值运算或者matplotlib画光滑曲线的时候计算用到。

28a7 = np.linspace(1, 10, 4).reshape((2, 2))

29

30print a7

31"""

32 [[ 1. 4.]

33 [ 7. 10.]]

34

35"""

２．array之间的计算

加减法

相同维度:

1import numpy as np

2

3a = np.array([10, 20, 30, 40])

4b = np.arange(4)

5print "a:", a

6print "b:", b

7c = a+b

8print "c:", c

9c1 = a-b

10print "c1:", c1

11"""

12 a: [10 20 30 40]

13 b: [0 1 2 3]

14 c: [10 21 32 43]

15 c1: [10 19 28 37]

16"""

不同维度:

1aa = np.array([[1, 2, 3, 4],

2 [11, 22, 33, 44]])

3

4bb = np.arange(4)

5

6print "aa:", aa

7print "bb:", bb

8print "a+b:", aa+bb

9

10"""

11 aa: [[ 1 2 3 4]

12 [11 22 33 44]]

13 bb: [0 1 2 3]

14 a+b: [[ 1 3 5 7]

15 [11 23 35 47]]

16"""

如果是不同维度的array进行加减法的话，程序就是把维度低的array自动复制扩展到大维度的array,进行相加 当然前提条件是两个不同维度的array进行相加的时候，低维度的array的shape也要和高维度的array其中一个shape相同，例如上面代码所示，(2,4) (1,4) 都有个shape为４

乘除法

1d = np.array([[1, 2],

2 [3, 4]])

3e = np.arange(1, 8, 2).reshape((2, 2))

4print "d:", d

5print "e:", e

6

7print "d*e:", d*e #对应元素相乘

8print "d/e", d/e #对应元素相除，因为是int64类型所以类似于2/3=0

9"""

10 d: [[1 2]

11 [3 4]]

12 e: [[1 3]

13 [5 7]]

14 d*e: [[ 1 6]

15 [15 28]]

16 d/e [[1 0]

17 [0 0]]

18"""

不同纬度的乘除法和上面加减法解析情况一样，可对比来看。

平方，三角函数，比较元素大小

1a = np.array([10, 20, 30, 40])

2b = np.arange(4)

3c2 = b**2 # 平方

4print "c2:", c2

5

6c3 = 10*np.sin(a) #　sin函数

7print "c3:", c3

8"""

9c2: [0 1 4 9]

10c3: [-5.44021111 9.12945251 -9.88031624 7.4511316 ]

11"""

12print "b:", b

13print "b:", b < 3 #　b中小于３的都为TRUE

14print "b:", b == 3 # b中等于３的为TRUE

15"""

16b: [0 1 2 3]

17b: [ True True True False]

18b: [False False False True]

19

20"""

矩阵相乘

1d = np.array([[1, 2],

2 [3, 4]])

3e = np.arange(1, 8, 2).reshape((2, 2))

4print "d:", d

5print "e:", e

6print np.dot(d, e)

7print d.dot(e)

8"""

9 d: [[1 2]

10 [3 4]]

11 e: [[1 3]

12 [5 7]]

13 [[11 17] #例如１１　为1*1+2*5=11

14 [23 37]]

15 [[11 17]

16 [23 37]]

17

18"""

np.dot(d, e) 与d.dot(e)一样，都为d和e进行矩阵相乘

随机数和max,min,sum

1f = np.random.random((2, 4)) #随机产生shape为(２，４)的一个array，每个元素都为0-1之间随机生成

2print f

3print "=------="

4print np.sum(f)

5print np.min(f)

6print np.max(f)

7"""

8[[0.11027523 0.84841991 0.59866992 0.92557867]

9 [0.99917522 0.2771565 0.25578198 0.06671013]]

10=------=

114.081767552987877

120.06671012832269874

130.9991752153886827

14"""

15print "============="

16print np.sum(f, axis=0)

17print np.min(f, axis=1)

18print np.max(f, axis=0)

19"""

20[1.10945044 1.12557641 0.8544519 0.9922888 ]

21[0.11027523 0.06671013]

22[0.99917522 0.84841991 0.59866992 0.92557867]

23"""

顾名思义，sum为总，min为最小，max为最大，如果不设置axis维度参数的话，则都为整个array的元素来说，但一般我们运用都只是算某个维度的sum,max,min，在二维数据中，axis=0代表行，第一个维度，axis=1，代表列为第二个维度，其实这么记并不是很好很有可能记错，我一般都是这么记得：axis=0为行，那意思就是每一行都要算呗？算完那不就是一列的每一行算个数被，axis=1类推，多维数据类推即可

矩阵转置和排序，以及元素比较大小重置元素方法

1c = np.arange(14, 2, -1).reshape((3, 4))

2

3print c

4print "sort:", np.sort(c)# 每一行进行重新大小排序当然也有axis参数配置，根据我的axis参数说明来操作

5

6print np.transpose(c) #转置　同下面操作

7print c.T #　转置　同上面操作

8

9print "clip:",np.clip(c, 5, 9)#c矩阵中的元素小于５的等于５，大于９的等于９

10"""

11 [[14 13 12 11]

12 [10 9 8 7]

13 [ 6 5 4 3]]

14 sort: [[11 12 13 14]

15 [ 7 8 9 10]

16 [ 3 4 5 6]]

17 [[14 10 6]

18 [13 9 5]

19 [12 8 4]

20 [11 7 3]]

21 [[14 10 6]

22 [13 9 5]

23 [12 8 4]

24 [11 7 3]]

25 clip: [[9 9 9 9]

26 [9 9 8 7]

27 [6 5 5 5]]

28"""

平均值、中值，累加，后减前

1a = np.arange(2, 14).reshape((3, 4))

2print "a:", a

3print "average:", np.average(a) #平均值

4print "median:", np.median(a) #中值

5

6print "cumsum:", np.cumsum(a) #每个元素变成当前元素＋前面所有元素的和

7print "diff:", np.diff(a)　#当前元素减去前面元素的差

8"""

9 a: [[ 2 3 4 5]

10 [ 6 7 8 9]

11 [10 11 12 13]]

12 average: 7.5

13 median: 7.5

14 cumsum: [ 2 5 9 14 20 27 35 44 54 65 77 90]

15 diff: [[1 1 1]

16 [1 1 1]

17 [1 1 1]]

18"""

３．索引

最大值最小值索引，非零索引

1a = np.array([[2, 6, 0, 4],

2 [4, 8, 9, 1],

3 [10, 2, 3, 11]])

4print "argmin:", np.argmin(a)

5print "axis0:", np.argmin(a, axis=0)

6print "axis1:", np.argmin(a, axis=1)

7print "argmax:", np.argmax(a)

8print "zero:", np.nonzero(a)

9

10"""

11argmin: 2

12axis0: [0 2 0 1]

13axis1: [2 3 1]

14argmax: 11

15zero: (array([0, 0, 0, 1, 1, 1, 1, 2, 2, 2, 2]), array([0, 1, 3, 0, 1, 2, 3, 0, 1, 2, 3]))

16"""

argmin/argmax都是返回最小值/最大值的索引的函数。

这里的axis和上面的分析是完全一致的，例如argmin(a)就是最小的索引，虽小的毋庸置疑是０，所以总体来讲从第一行第一个元素到最后一行最后一个元素，总体来算索引，那就是第二个为０，所以返回２，如果axis=0说明一列中的每一行来比较，那第一列比较出来最小的为２，即索引为０，因为每一列的每一行来比较所以最后的维度为列数，在这里即为４，以此列推。

非零索引的意思为非零的数返回索引，如上例为返回两个array，前面array对应行索引，后面对应列索引，一前一后加一起的shape才对应一个非零索引

取值，取列或行

1import numpy as np

2

3a = np.arange(3, 15).reshape((3, 4))

4

5print a

6print a[1]　#索引为1的行，同下

7print a[:][1]　#索引为1的行，同上

8print "=========-------==========="

9print a[2][1] #和数组一样的表示

10print a[2, 1]　#同上，这才是比较标准的array的索引表示，前面是行后面是列的索引

11print "=========---------============"

12print a[:, 1] 　　#索引为１的列,生成为行向量

13print a[:, 1:2]　　#索引为１的列，生成为列向量

14print a[:, 1:3]

15

16print a[1, 1:3] #为上面a[:, 1:3]的索引为１的行向量

17"""

18 [[ 3 4 5 6]

19 [ 7 8 9 10]

20 [11 12 13 14]]

21 [ 7 8 9 10]

22 [ 7 8 9 10]

23 =========-------===========

24 12

25 12

26 =========---------============

27 [ 4 8 12]

28 [[ 4]

29 [ 8]

30 [12]]

31 [[ 4 5]

32 [ 8 9]

33 [12 13]]

34 [8 9]

35"""

着重讲一下　a[:, 1:2]　a[:, 1:3]　a[1, 1:3]

a[:, 1:2]：:代表行所有也就是一列要的话，这一列的每一行都要，1:2对应的从索引为１的列来算移植相当于取到索引为(2-1)的列，2为取的最高索引大一个。所以总体来讲就是首先取每一行，之后在行里取索引１->１的列元素，所以为最终的结果列向量。

a[:, 1:3]：按照上面的分析则每一行都要，列要索引为1和(3-1)的元素，那就是索引为1和2的所有元素，也就是第二列和第三列的元素。

a[1, 1:3]：为a[:, 1:3]的索引为１的所有元素。

这里需要注意的是

a[:, 1] 　#索引为１的列,生成为行向量，

a[:, 1:2]　#索引为１的列，生成为列向量

因为两种取值的思想不一样，最终造成的结果也不一样，一个是直接取，所以维度减少了一个，另一个是在原本维度上截取，最终还是原来的维度。

迭代元素和降维

1a = np.arange(3, 15).reshape((3, 4))# 数据都是下取上差一个取到。

2print a

3print "row"

4for row in a:　#取每一行迭代

5 print row

6print "column"

7for column in a.T:　#每一列迭代

8 print column

9print "====================="

10print a.flatten() # 所有元素变成一维

11b = np.array([[1, 2, 3]])

12print b

13print b.flatten() #降维

14

15for item in a.flat:　#每个元素打印

16 print item

17

18"""

19 [[ 3 4 5 6]

20 [ 7 8 9 10]

21 [11 12 13 14]]

22 row

23 [3 4 5 6]

24 [ 7 8 9 10]

25 [11 12 13 14]

26 column

27 [ 3 7 11]

28 [ 4 8 12]

29 [ 5 9 13]

30 [ 6 10 14]

31 =====================

32 [ 3 4 5 6 7 8 9 10 11 12 13 14]

33 [[1 2 3]]

34 [1 2 3]

35 3

36 4

37 5

38 6

39 7

40 8

41 9

42 10

43 11

44 12

45 13

46 14

47"""

行迭代，就是可以理解为最外层的维度进行迭代，列迭代就是利用转置来完成。

flatten()函数的意思为把array的内层的维度进行降一维，将内层的维度弄掉，则二维数据就成为一维数据了

４．合并与分开

两个合并、多个合并(行向量转换成列向量)

1# -*- coding: utf-8 -*-

2import numpy as np

3

4a = np.array([1, 1, 2])

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

6

7c = np.vstack((a, b)) #vertical

8

9print "a:", a

10print "b:", b

11print "c:", c

12print "a,c shape:", a.shape, c.shape

13

14d = np.hstack((a, b)) #horizontal

15print "d:", d

16print d.shape

17"""

18 a: [1 1 2]

19 b: [2 3 4]

20 c: [[1 1 2]

21 [2 3 4]]

22 a,c shape: (3,) (2, 3)

23 d: [1 1 2 2 3 4]

24 (6,)

25"""

26print a.T # not transponse　行向量无法直接用转置来变成列向量

27# 行向量变成列向量

28print a[np.newaxis, :].shape

29print a[:, np.newaxis].shape

30print a[:, np.newaxis] #转换方法

31"""

32 [1 1 2]

33 (1, 3)

34 (3, 1)

35 [[1]

36 [1]

37 [2]]

38"""

39a = np.array([1, 1, 2])[:, np.newaxis]

40b = np.array([2, 3, 4])[:, np.newaxis]

41

42c = np.concatenate((a, b, b), axis=0) #多向量融合

43

44print c

45

46c = np.concatenate((a, b, b), axis=1) #多向量融合

47

48print c

49

50"""

51 [[1]

52 [1]

53 [2]

54 [2]

55 [3]

56 [4]

57 [2]

58 [3]

59 [4]]

60 [[1 2 2]

61 [1 3 3]

62 [2 4 4]]

63"""

分开

1# -*- coding: utf-8 -*-

2import numpy as np

3

4a = np.arange(12).reshape((3, 4))

5

6print a

7print "平等分开"

8print "vertical:", np.split(a, 2, axis=1) #

9

10print "horizontal:", np.split(a, 3, axis=0) #

11"""

12 [[ 0 1 2 3]

13 [ 4 5 6 7]

14 [ 8 9 10 11]]

15 平等分开

16 vertical: [array([[0, 1],

17 [4, 5],

18 [8, 9]]), array([[ 2, 3],

19 [ 6, 7],

20 [10, 11]])]

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

22"""

23print "不平等分开"

24print np.array_split(a, 3, axis=1)

25

26print "代替需要axis参数"

27print "vertical_a:", np.vsplit(a, 3)

28

29print "horizontal_a:", np.hsplit(a, 2)

30"""

31 不平等分开

32 [array([[0, 1],

33 [4, 5],

34 [8, 9]]), array([[ 2],

35 [ 6],

36 [10]]), array([[ 3],

37 [ 7],

38 [11]])]

39 代替需要axis参数

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

41 horizontal_a: [array([[0, 1],

42 [4, 5],

43 [8, 9]]), array([[ 2, 3],

44 [ 6, 7],

45 [10, 11]])]

46"""

５．元素传递和copy

1b = np.arange(4)

2

3print b

4c = b

5e = c

6d = e

7b[0] = 11

8print b

9

10print c is b

11print d is b

12print b[0]

13

14d[1: 3] = [22, 22]

15print b

16print c

17

18c = b.copy()

19

20b[3] = 44

21

22print b

23print c

24print e

25"""

26 [0 1 2 3]

27 [11 1 2 3]

28 True

29 True

30 11

31 [11 22 22 3]

32 [11 22 22 3]

33 [11 22 22 44]

34 [11 22 22 3]

35 [11 22 22 44]

36"""

array这个元素传递有点意思的，就是如果直接a=b，其实从内存角度来考虑就相当于a和b指向了一样的元素内存空间，所以改变一个元素的值，另一个一样改变，如果想各是各的，并且还想传递另一个元素的值那就用a=b.copy()，所以这个还是需要注意的

6.补充部分

array.min/max/ptp

1import numpy as np

2

3a = [[2, 4, 8, 9], [1, 7, 4, 5], [5, 7, 1, 4]]

4a = np.array(a)

5print(a)

6print(a.min(0))

7print(a.min(1))

8print(a.ptp(0))

9"""

10[[2 4 8 9]

11 [1 7 4 5]

12 [5 7 1 4]]

13axis=0 为每列的最小值返回

14[1 4 1 4]

15axis=1 为每行的最小值返回

16[2 1 1]

17ptp为最大值减最小值的range

18[4 3 7 5]

19"""

np.random.choice

1import numpy as np

2

3a = np.random.choice(a=100, size=20)

4print(a)

5"""

60-99之间选size为20的随机数的list

7[78 82 91 96 5 60 28 79 24 56 5 34 58 48 96 57 77 23 80 69]

责任编辑：