最后一次更新日期： 2019/4/13
NumPy 是一個 Python 包馆揉。 它代表 “Numeric Python”机断。 它是一個由多維數(shù)組對象(ndarray)和用于處理數(shù)組的例程集合組成的庫缭受。
使用NumPy须眷，開發(fā)人員可以執(zhí)行以下操作：
- 數(shù)組的算數(shù)和邏輯運算耸黑。
- 傅立葉變換和用于圖形操作的例程梅桩。
- 與線性代數(shù)有關(guān)的操作。 NumPy 擁有線性代數(shù)和隨機數(shù)生成的內(nèi)置函數(shù)伯铣。
使用前先導(dǎo)入模塊：
import numpy as np
1. 類型轉(zhuǎn)換
In [619]: a=np.array([[1,2],[3,4]])
In [620]: a.dtype
Out[620]: dtype('int32')
In [621]: a=a.astype('float64')
In [622]: a.dtype
Out[622]: dtype('float64')
In [623]: a=np.int32(a)
In [624]: a.dtype
Out[624]: dtype('int32')
使用ndarray.astype方法或是使用數(shù)據(jù)類型同名方法都可以轉(zhuǎn)換類型呻此，關(guān)于numpy支持的數(shù)據(jù)類型可以查看屬性章節(jié)。轉(zhuǎn)換類型后返回一個新數(shù)組腔寡。
2. 重塑
(1). 改變形狀
In [625]: a=np.array([[1,2],[3,4]])
In [626]: a.reshape((1,4))
Out[626]: array([[1, 2, 3, 4]])
In [627]: a.reshape((-1,4))
Out[627]: array([[1, 2, 3, 4]])
使用tuple類型的參數(shù)聲明新的形狀焚鲜。允許有一個新軸的大小為-1，表示自動計算放前。
改變前后元素數(shù)size需要保持一致忿磅。元素在軸上的排列是從最后一個軸開始往前面的軸方向上堆疊，見如下圖示凭语，可通過order參數(shù)指定其他排序方式葱她。軸的相對位置不會改變，所以一些復(fù)雜的變形可能需要結(jié)合transpose或swapaxes此類軸交換方法使用似扔。
(2). 平鋪
In [640]: a.ravel()
Out[640]: array([1, 2, 3, 4])
In [641]: a.flatten()
Out[641]: array([1, 2, 3, 4])
將數(shù)組平鋪為向量吨些，等效于reshape((-1,))，可通過order參數(shù)指定其他排序方式炒辉。
(3). 轉(zhuǎn)置
In [643]: a.T
Out[643]:
array([[1, 3],
[2, 4]])
數(shù)組為一維時轉(zhuǎn)置無效豪墅，為二維時即矩陣的轉(zhuǎn)置，多于二維時交換第一個和最后一個軸黔寇。
(4). 軸交換
In [646]: a.swapaxes(0,1)
Out[646]:
array([[1, 3],
[2, 4]])
In [647]: a.transpose([1,0])
Out[647]:
array([[1, 3],
[2, 4]])
swapaxes一次只能指定兩個軸進行交換偶器，transpose可以重新為所有軸排序。
3. 排序
(1). 直接排序
In [734]: a=np.array([[2,3],[1,4]])
In [735]: np.sort(a,axis=None)
Out[735]: array([1, 2, 3, 4])
In [736]: a.sort(axis=0)
In [737]: a
Out[737]:
array([[1, 3],
[2, 4]])
ndarray.sort會直接在原數(shù)組上排序缝裤，可通過第一個參數(shù)axis指定排序的軸屏轰，會將沿著該軸方向的每個向量單獨排序，默認(rèn)-1憋飞，除沿最后一個軸外霎苗，指定其他軸都會在排序時生成數(shù)據(jù)的臨時副本，因此沿最后一個軸排序最快搀崭。
等效方法np.sort叨粘，返回的是排序后的副本猾编，還可指定axis=None瘤睹，會將數(shù)組展開再排序升敲。
當(dāng)數(shù)組的維度具備實際含義時，直接排序會打亂數(shù)據(jù)結(jié)構(gòu)轰传，得到不被期望的結(jié)果驴党，這種情況下需要使用間接排序。
(2). 間接排序
In [740]: a=np.array([[2,3,5],[1,1,4],[1,2,3]])
In [741]: a
Out[741]:
array([[2, 3, 5],
[1, 1, 4],
[1, 2, 3]])
In [742]: idx1=np.argsort(a[:,0])
In [743]: a[idx1]
Out[743]:
array([[1, 1, 4],
[1, 2, 3],
[2, 3, 5]])
In [744]: idx2=np.lexsort((a[:,0],a[:,2]))
In [745]: a[idx2]
Out[745]:
array([[1, 2, 3],
[1, 1, 4],
[2, 3, 5]])
argsort可用于單鍵間接排序获茬，lexsort可用于多鍵間接排序港庄。
(3). 隨機排序
In [763]: a=np.arange(12).reshape((3,4))
In [764]: a
Out[764]:
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
In [765]: np.random.shuffle(a)
In [766]: a
Out[766]:
array([[ 4, 5, 6, 7],
[ 0, 1, 2, 3],
[ 8, 9, 10, 11]])
In [768]: idx=np.random.permutation(a.shape[1])
In [769]: a[:,idx]
Out[769]:
array([[ 4, 5, 7, 6],
[ 0, 1, 3, 2],
[ 8, 9, 11, 10]])
方法一np.random.shuffle只能沿第一個軸進行隨機排序，方法二是通過np.random.permutation恕曲，該方法也只能沿第一個軸隨機排序鹏氧，但在輸入?yún)?shù)x為int類型時，會對np.arange(x)進行隨機排序佩谣，可以快速生成亂序索引把还，再通過索引查找得到亂序數(shù)組。
(4). 分區(qū)排序
In [799]: a=np.array([2,3,1,5,4,0,8])
In [800]: np.partition(a,1)
Out[800]: array([0, 1, 3, 5, 4, 2, 8])
In [801]: np.partition(a,4)
Out[801]: array([0, 1, 2, 3, 4, 5, 8])
分區(qū)排序是一種不完整的排序茸俭，用于不需要獲取完整排序序列的情況下吊履。該方法只保證kth指定位置的元素是正確排序的，其他小于該元素的元素前移调鬓，大于的后移艇炎。可用于快速找出第k大或第k小的元素腾窝。
也可通過ndarray.partition調(diào)用缀踪，axis參數(shù)指定軸方向，還有對應(yīng)的np.argpartition用于獲取分區(qū)后的索引虹脯。
4. 去重
In [775]: a=np.array([3,2,2,3,1,1,4])
In [776]: np.unique(a,return_index=True,return_inverse=True,return_counts=True,axis=None)
Out[776]:
(array([1, 2, 3, 4]),
array([4, 1, 0, 6], dtype=int64),
array([2, 1, 1, 2, 0, 0, 3], dtype=int64),
array([2, 2, 2, 1], dtype=int64))
In [777]: a=np.array([[1,3],[2,4],[1,3]])
In [778]: np.unique(a,axis=0)
Out[778]:
array([[1, 3],
[2, 4]])
axis指定去重的軸辜贵，默認(rèn)None會將數(shù)組展開后再去重。
返回值一為去重后的有序值列表归形；
返回值二為唯一值在原數(shù)組中的索引托慨，僅在return_index=True時提供；
返回值三為根據(jù)唯一值重建原數(shù)組的索引暇榴，僅在return_inverse=True時提供厚棵；
返回值四為唯一值的出現(xiàn)計數(shù)，僅在return_counts=True時提供蔼紧。
5. 拆分
(1). 索引拆分
In [780]: a=np.arange(9).reshape((3,3))
In [781]: a[:2,:],a[2:,:]
Out[781]:
(array([[0, 1, 2],
[3, 4, 5]]), array([[6, 7, 8]]))
In [782]: a[a>2],a[~(a>2)]
Out[782]: (array([3, 4, 5, 6, 7, 8]), array([0, 1, 2]))
In [790]: idx=np.random.permutation(a.shape[0])
In [791]: sp_idx=int(a.shape[0]*0.8)
In [792]: a[idx[:sp_idx]],a[idx[sp_idx:]]
Out[792]:
(array([[3, 4, 5],
[6, 7, 8]]), array([[0, 1, 2]]))
最靈活的方式婆硬，復(fù)雜的拆分需要寫較多的代碼，可使用其他方法配合生成用于拆分的索引奸例，比如使用np.digitize進行分箱彬犯。
(2). 拆分方法
In [802]: a=np.arange(8)
In [803]: np.split(a,2)
Out[803]: [array([0, 1, 2, 3]), array([4, 5, 6, 7])]
In [805]: np.split(a,[2,5])
Out[805]: [array([0, 1]), array([2, 3, 4]), array([5, 6, 7])]
In [806]: a=a.reshape((2,4))
In [807]: a
Out[807]:
array([[0, 1, 2, 3],
[4, 5, 6, 7]])
In [809]: np.split(a,[1,3],axis=1)
Out[809]:
[array([[0],
[4]]), array([[1, 2],
[5, 6]]), array([[3],
[7]])]
第二個參數(shù)indices_or_sections指定分割方式向楼，int類型表示等分?jǐn)?shù)量，一維數(shù)組類型表示用于分割的索引值谐区，例如[2,5]表示分割為a[:2],a[2:5],a[5:]湖蜕。
第三個參數(shù)axis可以指定軸方向。
