翻譯：瘋狂的技術(shù)宅
原文：https://www.codementor.io/likegeeks/python-numpy-array-tutorial-rw4gnhfg0
NumPy 是一個(gè)Python 庫(kù)渴庆，用于 Python 編程中的科學(xué)計(jì)算。在本教程中雅镊，你將學(xué)習(xí)如何在 NumPy 數(shù)組上以多種方式添加襟雷、刪除、排序和操作元素仁烹。
NumPy 提供了一個(gè)多維數(shù)組對(duì)象和其他派生數(shù)組耸弄，例如掩碼數(shù)組和掩碼多維數(shù)組。
為什么要用 NumPy
NumPy 提供了一個(gè) ndarray 對(duì)象晃危，可以使用它來(lái)對(duì)任何維度的數(shù)組進(jìn)行操作叙赚。 ndarray 代表 N 維數(shù)組，其中 N 是任意數(shù)字僚饭。這意味著 NumPy 數(shù)組可以是任何維度的震叮。
與 Python 的 List 相比，NumPy 具有許多優(yōu)勢(shì)鳍鸵。我們可以在 NumPy 陣列上執(zhí)行高性能操作圆到，例如：
- 對(duì)數(shù)組成員進(jìn)行排序
- 數(shù)學(xué)和邏輯運(yùn)算
- 輸入/輸出功能
- 統(tǒng)計(jì)和線(xiàn)性代數(shù)運(yùn)算
安裝 NumPy
要安裝NumPy篷角，你的電腦上要先有 Python 和 Pip摊沉。
在終端中運(yùn)行以下命令：
pip install numpy
然后你就可以在腳本中導(dǎo)入 NumPy 了，如下所示：
import numpy
添加數(shù)組元素
可以用 NumPy 模塊的 append() 方法向 NumPy 數(shù)組中添加元素哲嘲。
append() 的語(yǔ)法如下：
numpy.append(array, value, axis)
value 會(huì)被追加到在數(shù)組的末尾，并返回一個(gè)包含所有元素的 ndarray媳禁。
參數(shù) axis 是一個(gè)可選的整數(shù)眠副，用于定義數(shù)組的顯示方式。如果沒(méi)有指定竣稽，則數(shù)組結(jié)構(gòu)將展平囱怕，稍后會(huì)演示用法。
以下示例毫别，其中首先聲明數(shù)組娃弓，然后用 append 方法向數(shù)組添加更多的值：
import numpy
a = numpy.array([1, 2, 3])
newArray = numpy.append (a, [10, 11, 12])
print(newArray)
# 輸出：[ 1 2 3 10 11 12]
添加一列
也可以用NumPy 的 append() 方法插入一列。
在下面的例子中岛宦，我們創(chuàng)建了一個(gè)二維數(shù)組并插入了兩列：
import numpy
a = numpy.array([[1, 2, 3], [4, 5, 6]])
b = numpy.array([[400], [800]])
newArray = numpy.append(a, b, axis = 1)
print(newArray)
"""
輸出：
[[ 1 2 3 400]
[ 4 5 6 800]]
"""
如果沒(méi)有使用 axis 參數(shù)台丛，則會(huì)輸出：
[ 1 2 3 4 5 6 400 800]
這就是數(shù)組結(jié)構(gòu)的扁平化。
在 NumPy 中砾肺，還可以用 insert() 方法插入元素或列挽霉。 兩者之間的區(qū)別在于 insert() 方法可以指定要在哪個(gè)索引處添加元素，但 append() 方法會(huì)在數(shù)組的末尾添加一個(gè)值债沮。
Consider the example below:
考慮以下示例：
import numpy
a = numpy.array([1, 2, 3])
newArray = numpy.insert(a, 1, 90)
print(newArray)
# 輸出：[ 1 90 2 3]
這里 insert() 方法在索引1處添加元素炼吴。在Python中數(shù)組索引從0開(kāi)始。
追加一行
也可以用 append() 方法向數(shù)組添加行疫衩，就像在數(shù)組中附加元素一樣簡(jiǎn)單：
import numpy
a = numpy.array([[1, 2, 3], [4, 5, 6]])
newArray = numpy.append(a, [[50, 60, 70]], axis = 0)
print(newArray)
"""
輸出“
[[ 1 2 3]
[ 4 5 6]
[50 60 70]]
"""
刪除元素
可以用 NumPy 模塊的 delete() 方法刪除 NumPy 數(shù)組元素：
import numpy
a = numpy.array([1, 2, 3])
newArray = numpy.delete(a, 1, axis = 0)
print(newArray)
# 輸出：[1 3]
在本例子中，我們有一個(gè)一維數(shù)組荣德，用 delete() 方法從數(shù)組中刪除了索引 1 處的元素闷煤。
刪除一行
同樣，你也可以用 delete() 方法刪除行涮瞻。
下面的例子中我們從二維數(shù)組中刪除了一行：
import numpy
a = numpy.array([[1, 2, 3], [4, 5, 6], [10, 20, 30]])
newArray = numpy.delete(a, 1, axis = 0)
print(newArray)
"""
輸出：
[[ 1 2 3]
[10 20 30]]
"""
在 delete() 方法中鲤拿，首先給出數(shù)組，然后給出要?jiǎng)h除的元素的索引署咽。在上例中近顷，我們刪除了索引為 1 的元素。
檢查 NumPy 數(shù)組是否為空
可以用 size 方法返回?cái)?shù)組中元素的總數(shù)宁否。
在下面的例子中有一個(gè) if 語(yǔ)句窒升，通過(guò) ndarray.size 檢查數(shù)組中是否有元素，其中 ndarray 可以是任何給定的 NumPy 數(shù)組：
import numpy
a = numpy.array([1, 2, 3])
if(a.size == 0):
print("The given Array is empty")
else:
print("The array = ", a)
# 輸出：The array = [1 2 3]
在上面的代碼中慕匠，數(shù)組中有三個(gè)元素饱须，因此它不是空的，判斷條件將返回false台谊。如果數(shù)組中沒(méi)有元素蓉媳，則 if 條件會(huì)變?yōu)?true 并且將打印空消息譬挚。如果數(shù)組等于：
a = numpy.array([])
上述代碼將會(huì)輸出：
The given Array is empty
查找值的索引
要查找值對(duì)應(yīng)的索引，可以用 NumPy 模塊的 where() 方法酪呻，如下例所示：
import numpy
a = numpy.array([1, 2, 3, 4, 5])
print("5 is found at index: ", numpy.where(a == 5))
# 輸出：5 is found at index: (array([4]),)
如果你只想得到索引减宣，可以這樣寫(xiě)：
import numpy
a = numpy.array([1, 2, 3, 4, 5])
index = numpy.where(a == 5)
print("5 is found at index: ", index[0])
#輸出： 5 is found at index: [4]
NumPy 數(shù)組切片
數(shù)組切片是從給定數(shù)組中提取子集的過(guò)程。你可以用冒號(hào)（ : ）運(yùn)算符對(duì)數(shù)組進(jìn)行切片玩荠，并指定數(shù)組索引的開(kāi)始和結(jié)束位置蚪腋，例如：
array[from:to]
下面的例子中提取從索引 2 到索引 5 的元素：
import numpy
a = numpy.array([1, 2, 3, 4, 5, 6, 7, 8])
print("A subset of array a = ", a[2:5])
# 輸出：A subset of array a = [3 4 5]
如果想要提取最后三個(gè)元素，可以通過(guò)用負(fù)切片來(lái)完成操作姨蟋，如下所示：
import numpy
a = numpy.array([1, 2, 3, 4, 5, 6, 7, 8])
print("A subset of array a = ", a[-3:])
# 輸出：A subset of array a = [6 7 8]
將函數(shù)作用于所有數(shù)組元素
在下面的例子中屉凯，我們將創(chuàng)建一個(gè) lambda 函數(shù)，并傳入一個(gè)數(shù)組眼溶，以其應(yīng)用于所有元素：
import numpy
addition = lambda x: x + 2
a = numpy.array([1, 2, 3, 4, 5, 6])
print("Array after addition function: ", addition(a))
# 輸出：Array after addition function: [3 4 5 6 7 8]
在此例中悠砚，創(chuàng)建了一個(gè) lambda 函數(shù)，它使每個(gè)元素都遞增 2堂飞。
NumPy 數(shù)組的長(zhǎng)度
要得到 NumPy 數(shù)組的長(zhǎng)度灌旧，可以用 size 屬性，如下所示：
import numpy
a = numpy.array([1, 2, 3, 4, 5, 6])
print("The size of array = ", a.size)
# 輸出：The size of array = 6
從 list 創(chuàng)建 NumPy 數(shù)組
假設(shè)你有一個(gè)列表：
l = [1, 2, 3, 4, 5]
現(xiàn)在要根據(jù)這個(gè)列表創(chuàng)建一個(gè)數(shù)組绰筛，可以用 NumPy 模塊的 array() 方法：
import numpy
l = [1, 2, 3, 4, 5]
a = numpy.array(l)
print("The NumPy array from Python list = ", a)
# 輸出：The NumPy array from Python list = [1 2 3 4 5]
同樣枢泰，使用 array() 方法，也可以從元組創(chuàng)建 NumPy 數(shù)組铝噩。如下所示：
import numpy
t = (1, 2, 3, 4, 5)
a = numpy.array(t)
print("The NumPy array from Python Tuple = ", a)
# 輸出：The NumPy array from Python Tuple = [1 2 3 4 5]
將 NumPy 數(shù)組轉(zhuǎn)換為 list
要將數(shù)組轉(zhuǎn)換為list衡蚂，可以使用 NumPy 模塊的 tolist()方法。
import numpy
a = numpy.array([1, 2, 3, 4, 5])
print("Array to list = ", a.tolist())
# 輸出：Array to list = [1, 2, 3, 4, 5]
在這段代碼中骏庸，我們簡(jiǎn)單地調(diào)用了 tolist() 方法毛甲，該方法將數(shù)組轉(zhuǎn)換為列表。然后將新創(chuàng)建的列表打印到輸出屏幕具被。
把 NumPy 數(shù)組導(dǎo)出為 CSV
要將數(shù)組導(dǎo)出為 CSV 文件玻募，可以用 NumPy 模塊的 savetxt() 方法，如下所示：
import numpy
a = numpy.array([1, 2, 3, 4, 5])
numpy.savetxt("myArray.csv", a)
此代碼將在 Python 代碼文件所在路徑下生成 CSV 文件一姿。當(dāng)然你也可以指定路徑七咧。
該文件的內(nèi)容如下：
1.000000000000000000e+00
2.000000000000000000e+00
3.000000000000000000e+00
4.000000000000000000e+00
5.000000000000000000e+00
你可以把額外填充的零刪除，如下所示：
numpy.savetxt("myArray.csv", a,fmt='%.2f')
對(duì) NumPy 數(shù)組排序
可以用 NumPy 模塊的 sort() 方法對(duì) NumPy 數(shù)組進(jìn)行排序：
sort() 函數(shù)有一個(gè)可選參數(shù) axis（整數(shù)）叮叹，默認(rèn)為 -1艾栋。axis 指定我們要對(duì)數(shù)組進(jìn)行排序的軸。 -1 表示將根據(jù)最后一個(gè)軸對(duì)數(shù)組進(jìn)行排序衬横。
import numpy
a = numpy.array([16, 3, 2, 6, 8, 10, 1])
print("Sorted array = ", numpy.sort(a))
# 輸出：Sorted array = [ 1 2 3 6 8 10 16]
在這個(gè)例子中裹粤，我們?cè)?print 語(yǔ)句中調(diào)用了 sort() 方法。數(shù)組 a 被傳遞給 sort 函數(shù)。
歸一化數(shù)組
歸一化數(shù)組是指將數(shù)組的值置于某個(gè)定義范圍的過(guò)程遥诉。例如拇泣，我們想要在 -1 和 1 之間對(duì)數(shù)組進(jìn)行歸一化，依此類(lèi)推矮锈。
歸一化的公式如下：
x = (x – xmin) / (xmax – xmin)
現(xiàn)在把這個(gè)公式用于我們的數(shù)組霉翔。要查找數(shù)組中的最大和最小項(xiàng)，可以分別用 NumPy 的 max() 和 min() 方法苞笨。
import numpy
x= numpy.array([400, 800, 200, 700, 1000, 2000, 300])
xmax = x.max()
xmin = x.min()
x = (x - xmin)/(xmax - xmin)
print("After normalization array x = \n", x)
"""
輸出：
After normalization array x =
[0.11111111 0.33333333 0. 0.27777778 0.44444444 1.
0.05555556]
"""
數(shù)組索引
索引指向數(shù)組中的一個(gè)元素债朵。在下面的例子中，分別用到了一維和二維數(shù)組中的索引：
import numpy
a = numpy.array([20, 13, 42, 86, 81, 9, 11])
print("Element at index 3 = ", a[3])
# 輸出：Element at index 3 = 86
下面是二維數(shù)組：
import numpy
a = numpy.array([[20, 13, 42], [86, 81, 9]])
print("Element at index a[1][2] = ", a[1][2])
# 輸出：Element at index a[1][2] = 9
索引 [1][2] 表示第二行和第三列（索引從 0 開(kāi)始）瀑凝。因此在屏幕上輸出 9 序芦。
將 NumPy 數(shù)組附加到另?一個(gè)數(shù)組上
可以用 append() 方法將 NumPy 數(shù)組附加到另??一個(gè) NumPy 數(shù)組上。
import numpy
a = numpy.array([1, 2, 3, 4, 5])
b = numpy.array([10, 20, 30, 40, 50])
newArray = numpy.append(a, b)
print("The new array = ", newArray)
# 輸出：The new array = [ 1 2 3 4 5 10 20 30 40 50]
在此例中粤咪，創(chuàng)建兩個(gè) NumPy 數(shù)組 a谚中， b 。然后把兩個(gè)數(shù)組傳給 append()寥枝。當(dāng)數(shù)組 b 作為第二個(gè)參數(shù)傳遞時(shí)宪塔，將被添加到數(shù)組 a 的末尾。
總結(jié)
正如大家所見(jiàn)囊拜，NumPy 數(shù)組用起來(lái)非常簡(jiǎn)單某筐。在使用很多機(jī)器學(xué)習(xí)庫(kù)時(shí)，NumPy 數(shù)組非常重要冠跷∧咸埽可以說(shuō)NumPy 是人工智能的大門(mén)。
