導(dǎo)言
Numpy庫(kù)是Python進(jìn)行科學(xué)計(jì)算的基礎(chǔ)庫(kù)旺聚，它是一個(gè)由多維數(shù)組對(duì)象組成，包含數(shù)學(xué)運(yùn)算眶蕉、邏輯運(yùn)算砰粹、形狀操作、排序造挽、選擇碱璃、I/O弄痹、離散傅里葉變換、基本線性代數(shù)嵌器、基本統(tǒng)計(jì)運(yùn)算肛真、隨機(jī)模擬等功能。本文將介紹Numpy庫(kù)的基本操作和簡(jiǎn)單應(yīng)用爽航。
官方參考文檔鏈接： NumPy Reference — NumPy v1.20 Manual
1 Numpy庫(kù)的安裝
在Linux和macOS系統(tǒng)下的安裝：
sudo pip install numpy
在Windows系統(tǒng)下的安裝：
pip install numpy
2 Numpy 數(shù)組
首先導(dǎo)入numpy庫(kù)
import numpy as np
我們可以使用np.zeros創(chuàng)建一個(gè)只包含0的數(shù)組蚓让。
a = np.zeros(3)
print(a)
print(type(a)) # 打印變量a的類型
輸出結(jié)果如下：
array([0., 0., 0.])
numpy.ndarray
Numpy數(shù)組和Python自帶的列表有些類似，但是在Numpy數(shù)組中岳掐，每一個(gè)元素的數(shù)據(jù)類型必須相同凭疮。常見(jiàn)的數(shù)據(jù)類型包括：1. float64: 64 位浮點(diǎn)型數(shù)字饭耳，2. int64: 64 位整數(shù)型數(shù)字串述，3. bool: 8 位 True 或者 False判斷。通常來(lái)說(shuō)寞肖，默認(rèn)的數(shù)據(jù)類型為float64纲酗。
輸入以下代碼：
a = np.zeros(3)
print(type(a[0]))
a = np.zeros(3, dtype=int) # 把數(shù)據(jù)類型轉(zhuǎn)化為整數(shù)型
print(type(a[0]))
輸出結(jié)果如下：
numpy.float64
numpy.int64
3 數(shù)組維度
建立一個(gè)長(zhǎng)度為10，元素均為0的數(shù)組z
z = np.zeros(10)
目前z數(shù)組沒(méi)有維度新蟆，既不是行向量也不是列向量觅赊。數(shù)組的維度由shape屬性記錄，記錄在一個(gè)元組中琼稻。
print(z.shape)
輸出結(jié)果如下：
(10,)
輸出結(jié)果中的元組只含有一個(gè)元素吮螺，代表數(shù)組的長(zhǎng)度。為了使數(shù)組具有維度帕翻，我們可以改變shape屬性鸠补。
z.shape = (10, 1)
print(z)
輸出結(jié)果如下：
array([[0.],
[0.],
[0.],
[0.],
[0.],
[0.],
[0.],
[0.],
[0.],
[0.]])
z = np.zeros(4)
z.shape = (2, 2)
print(z)
輸出結(jié)果如下：
array([[0., 0.],
[0., 0.]])
4 創(chuàng)建數(shù)組
我們先前提到過(guò)，np.zeros能構(gòu)建元素為0的數(shù)組嘀掸，np.ones則與之類似紫岩，能構(gòu)建元素為1的數(shù)組。另一個(gè)類似的函數(shù)是np.empty睬塌，它能在內(nèi)存中創(chuàng)建一個(gè)空數(shù)組泉蝌，以備之后填入數(shù)據(jù)。
z = np.empty(3)
print(z)
輸出結(jié)果如下：
array([0., 0., 0.])
為了創(chuàng)建均勻間隔創(chuàng)建數(shù)值序列揩晴，我們可以使用np.linspace函數(shù)
z = np.linspace(start = 0, stop = 100, num = 5)
print(z)
輸出結(jié)果如下：
array([ 0., 25., 50., 75., 100.])
為創(chuàng)建單位矩陣勋陪，我們可以使用np.identity或者np.eye函數(shù)
z = np.identity(2)
print(z)
輸出結(jié)果如下：
array([[1., 0.],
[0., 1.]])
此外，使用np.array函數(shù)硫兰，Python的列表粥鞋，元組等也能轉(zhuǎn)換為Numpy數(shù)組
a = np.array([10, 20]) # 使用列表構(gòu)建數(shù)組
print(a)
b = np.array((10, 20), dtype=float) # 使用元組構(gòu)建數(shù)組
# dtype 選項(xiàng)可以指定數(shù)據(jù)類型
print(b)
c = np.array([[1, 2], [3, 4]]) # 使用列表嵌套列表構(gòu)建數(shù)組
print(c)
輸出結(jié)果如下：
array([10, 20])
array([10., 20.])
array([[1, 2],
[3, 4]])
Numpy數(shù)組中也存在深拷貝和淺拷貝的區(qū)別，深拷貝即再內(nèi)存中新建一個(gè)數(shù)據(jù)副本瞄崇，兩個(gè)數(shù)組內(nèi)存地址不同呻粹，可以分別修改壕曼，淺拷貝即不在內(nèi)存中新建地址，僅僅引用之前的地址等浊，兩個(gè)數(shù)組內(nèi)存地址相同腮郊，只能同時(shí)修改
a = np.random.randn(3)
print(a)
b = a
b[0] = 0.0
print(a)
# 淺拷貝
a = np.random.randn(3)
print(a)
b = np.copy(a)
print(b)
# 深拷貝
輸出結(jié)果如下：
array([-0.09651763, -0.4620335 , 1.2756674 ])
array([ 0. , -0.4620335, 1.2756674])
array([ 0.81440966, -1.05123774, -1.24405026])
array([ 0.81440966, -1.05123774, -1.24405026])
5 數(shù)組的索引
對(duì)于一維數(shù)組或者沒(méi)有維度的數(shù)組，索引的方式和Python類似
z = np.linspace(1, 2, 5)
print(z)
print(z[0])
print(Z[0:2])
print(z[-1])
輸出結(jié)果如下：
array([1. , 1.25, 1.5 , 1.75, 2. ])
1.0
array([1. , 1.25])
2.0
對(duì)于多維數(shù)組筹燕，索引方式如下：
z = np.array([[1, 2], [3, 4]])
print(z)
print(z[0, 0])
print(z[0, 1])
輸出結(jié)果如下：
array([[1, 2],
[3, 4]])
1
2
多維列表中轧飞，若要提取行和列
print(z[0, :])
print(z[:, 1])
輸出結(jié)果如下：
array([1, 2])
array([2, 4])
NumPy也能通過(guò)構(gòu)建新的數(shù)組作為索引提取數(shù)據(jù)
z = np.linspace(2, 4, 5)
print(z)
indices = np.array((0, 2, 3))
print(z[indices])
輸出結(jié)果如下：
array([2. , 2.5, 3. , 3.5, 4. ])
array([2. , 3. , 3.5])
最后，布爾類型的數(shù)據(jù)也可用于提取元素
d = np.array([0, 1, 1, 0, 0], dtype=bool)
print(d)
print(z[d])
輸出結(jié)果如下：
array([False, True, True, False, False])
array([2.5, 3. ])
6 數(shù)組的方法
數(shù)組有非常多的方法撒踪，一些常見(jiàn)的方法如下：
a = np.array((4, 3, 2, 1))
print(a)
print("sort =",a.sort()) # 對(duì)數(shù)組a進(jìn)行排序
print("sum =",a.sum()) # 對(duì)數(shù)組a進(jìn)行求和
print("mean =",a.mean()) # 求出數(shù)組a的均值
print("max =",a.max()) # 求出數(shù)組a的最大值
print("argmax =",a.argmax()) # 返回最大元素的索引
print("cumsum =",a.cumsum()) # 對(duì)每個(gè)元素累積求和
print("cumprod =",a.cumprod()) # 對(duì)每個(gè)元素累積求積
print("var =",a.var()) # 求數(shù)組a的方差
print("std =", a.std()) # 求數(shù)組a的標(biāo)準(zhǔn)差
a.shape = (2, 2)
print(a.T) # 對(duì)數(shù)組a進(jìn)行轉(zhuǎn)置
輸出結(jié)果如下：
array([4, 3, 2, 1])
sort = array([1, 2, 3, 4])
sum = 10
mean = 2.5
max = 4
argmax = 3
cumsum = array([ 1, 3, 6, 10])
cumprod = array([ 1, 2, 6, 24])
var = 1.25
std = 1.118033988749895
array([[1, 3],
[2, 4]])
7 數(shù)組的操作
7.1 算術(shù)操作
a = np.array([1, 2, 3, 4])
b = np.array([5, 6, 7, 8])
print(a + b) # 加
print(a * b) # 乘
print(a + 10) # 對(duì)每個(gè)元素添加一個(gè)標(biāo)量
print(a * 10) # 對(duì)每個(gè)元素乘一個(gè)標(biāo)量
輸出結(jié)果如下：
array([ 6, 8, 10, 12])
array([ 5, 12, 21, 32])
array([11, 12, 13, 14])
array([10, 20, 30, 40])
7.2 矩陣乘法
A = np.ones((2, 2))
B = np.ones((2, 2))
print(A @ B) # 兩個(gè)矩陣相乘
輸出結(jié)果如下:
array([[2., 2.],
[2., 2.]])
