NumPy库的简要入门学习

NumPy(Numerical Python) 是使用Python进行科学计算的基础软件包。支持大量的维度数组与矩阵运算,此外也针对数组运算提供大量的数学函数库。

numpy.array()

numpy为我们提供了一个特殊的数组对象, 用它表示一维数组、二维矩阵等。

numpy提升了Python中数据计算的速度,比python快,因为底层是C。

对于任何想要运算的数据,需要预先将他们表示成numpy数组的形式。

——即向量化(Vectorization)

一、创建数组

numpy的计算围绕数组

首先要将计算的数据表示成数组的形式

>>> import numpy as np  #导入numpy库,并起别名为np

>>> np.array([1,2,3])  #创建一个数组

>>> a = np.zeros((3,2))   #创建一个全0的数组,此处为三行两列的全0数组

>>> a.shape     #获取数组的尺寸,此处输出(3,2)

>>>np.ones((2,4))   #创建一个全部是一的数组

>>>np.arange(3,7)   #创建一个递增的数列,此处array([3,4,5,6]),类似于python的range

>>>np.linspace(0,1,5)  #返回介于某个区间等间距分布的数,此处返回范围0到1,输出5个数

>>>np.random.rand(2,4)  #生成随机数组

数组默认的数据类型是64位浮点数

>>> a=np.zeros((4,2),dtype=np.int32)  #通过dtype指定其他的数据类型

>>> b=a.astype(int)  #转换数据类型

二、基本运算

四则运算:相同尺寸的两个数组

点乘:np.dot(a,b)  #对两个向量进行点乘

矩阵乘法:a @ b #等同于np.matmul()

对所有数依次求平方根:np.sqrt(a)

三角运算:np.sin(a) ,  np.cos(a)

对数指数运算:np.log(a)  ,    np.power(a,2) #平方

数组与实数运算:a * 5  #各个元素与这个数的乘积,这个操作称为广播(Broadcasting)

求最值:a.min()     a.max() #数组a中最小或最大的元素

最值的索引:a.argmin()   a.argmax()    #返回最小或最大元素所在的索引

求和:a.sum()

返回平均值:a.mean()

返回中位数:np.median(a)

返回方差:a.var()

返回标准差:a.std()

不同尺寸的数组也可以做运算,numpy会将这两个数组扩展至相同的尺寸

然后将相同位置的元素相加,

axis参数

axis=0代表第一个维度,也就是行

axis=1代表第二个维度,也就是列

获取数组内元素,例如第一行第二列的元素,则为下标0,1

按照条件筛选出指定的元素,如小于3的元素。

此处“条件”可以通过逻辑运算符==、&、|等组合出更复杂的条件

切片获取数据,如第一行第1-2列的所有数据,0:2代表[0,2),不包含2

这和Python中list的切片方式是一样的。

获取第一行所有列的元素,则 a[0, :]  或 a[0]

第二个冒号的后面可以跟一个跨度,如下举例

这个跨度还可以取负值,从右往左逆向返回这个数组

从右往左逆向返回这个数组,会经常看到 ::-1 的写法,翻转数组。

三、numpy的典型应用:图片处理

通常可以把一张灰度图看作是一个二维的数组,数组中的每个元素用来表示像素点的亮度值。

对于彩色的图片,可以用三维数组来表示。数组中的第三维分别存储了像素点的红绿蓝分量。

使用Pillow这个库在Python中读取图片(pip install pilllow安装)

from PIL import Image

im = Image.open('picture.jpg')

im.show() #显示图片

im= np.array(im)  #将图片转换成一个numpy数组

im.shape #可以看到图片一共有多少行、多少列,以及颜色分量的数量(如彩色是3)

可以通过下标访问某个像素点的颜色,如100,100

提取所有像素点的红色分量 :,:,0

将两张图片按比例混合在一起,即对其进行四则运算。

这里的运算结果是浮点数,为了显示图片,需要将图片转换成整型数。

可利用跨度对图片进行降采样 im[::10 , ::10 , :]

翻转图片 im[::-1 , : , : ]    ,利用跨度-1,这里指定的是第一个维度,因此图片会上下翻转。

裁剪图片,可以利用切片,如im[40:540 , 40:900 , :]

书籍:https://www.labri.fr/perso/nrougier/from-python-to-numpy/

  • 3
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

wmsofts

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值