溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務(wù)條款》
您好，登錄后才能下訂單哦！
本文實例講述了Python Numpy庫常見用法。分享給大家供大家參考，具體如下：
Numpy是一個常用的Python科學(xué)技術(shù)庫，通過它可以快速對數(shù)組進行操作，包括形狀操作、排序、選擇、輸入輸出、離散傅立葉變換、基本線性代數(shù)，基本統(tǒng)計運算和隨機模擬等。許多Python庫和科學(xué)計算的軟件包都使用Numpy數(shù)組作為操作對象，或者將傳入的Python數(shù)組轉(zhuǎn)化為Numpy數(shù)組，因此在Python中操作數(shù)據(jù)離不開Numpy。
Numpy的核心是ndarray對象，由Python的n維數(shù)組封裝而來，但通過C語言預(yù)編譯相關(guān)的數(shù)組操作，因此比原生Python具有更高的執(zhí)行效率，但仍然使用Python語言編碼，這樣就同時具有簡潔的代碼和高效的運行速度。ndarry與數(shù)組有些區(qū)別值得注意，numpy數(shù)組中的元素都具有相同的類型，并且在創(chuàng)建時就確定了固定的大小，這與Python數(shù)組對象可以動態(tài)增長不同。
Numpy對象的形式是同構(gòu)多維數(shù)組，數(shù)組的維度稱為軸(axis)，每個維度上元素的個數(shù)稱為軸的長度。例如下面是一個2×3的二維數(shù)組arr，第一軸長度為3，第二軸長度為2
arr = [[ 1., 0., 0.],
[ 0., 1., 2.]]
arr數(shù)組對象常用的屬性如下：
# 數(shù)組軸的個數(shù) arr.ndim # 數(shù)組維度及長度，例如2×3的數(shù)組其shape為(2, 3) arr.shape # 數(shù)組元素的總個數(shù) arr.size # 數(shù)組中元素的數(shù)據(jù)類型 arr.dtype # 數(shù)組中元素所占字節(jié)數(shù) arr.itemsize
可以通過array()方法包裹普通python數(shù)組將其轉(zhuǎn)化為numpy數(shù)組，通過dtype=規(guī)定元素的數(shù)據(jù)類型。數(shù)組可以是二維等高維數(shù)組，也可以是元組的形式。
如果需要填充已知大小的數(shù)組可以使用函數(shù)zeros()，將元素都填充為0，或者ones()將元素填充為1，empty()將元素填充為隨機數(shù)
arange(a,b,c)函數(shù)用于從a到b每隔c長度生成一個數(shù)組元素。linspace(a,b,c)函數(shù)用于在a到b之間生成c個數(shù)組元素
# 普通數(shù)組轉(zhuǎn)化為numpy數(shù)組 a1 = np.array([2, 3, 4], dtype=float) print(a1) # 將元組數(shù)組轉(zhuǎn)化為二維numpy數(shù)組 a2 = np.array([(1, 2, 3), (3, 4, 5)]) print(a2) # 將3×3的數(shù)組用1填充 a3 = np.ones((3, 3)) print(a3) # 從1到10，每隔2生成一個元素 a4 = np.arange(1, 10, 2) print(a4) # 在1到12之間生成4個元素 a5 = np.linspace(1, 12, 4, dtype=int) print(a5) ''' 普通數(shù)組轉(zhuǎn)化為numpy對象： [2. 3. 4.] 元組數(shù)組： [[1 2 3] [3 4 5]] 用1填充數(shù)組： [[1. 1. 1.] [1. 1. 1.] [1. 1. 1.]] 從1到10每隔2生成一個元素： [1 3 5 7 9] 在1到12之間生成4個元素： [ 1 4 8 12] '''
算術(shù)運算符可以直接運用在矩陣上，其結(jié)果是將運算應(yīng)用到每個元素上，例如矩陣A*B就是每個元素對應(yīng)相乘，矩陣的乘法運算使用的是@符號
A = np.array([[1, 1],
[0, 1]])
B = np.array([[2, 0],
[3, 4]])
print(A * B)
print(A @ B)
'''
矩陣元素對應(yīng)相乘：
[[2 0]
[0 4]]
矩陣的乘法：
[[5 4]
[3 4]]
'''
numpy中有些函數(shù)應(yīng)用于整個數(shù)組，例如求和sum、最大值max、最小值min。如果在這些參數(shù)中指定了某個軸，則應(yīng)用于指定軸。
還有一些函數(shù)應(yīng)用于數(shù)組中的具體元素，例如求sin、cos、exp、開方sqrt等，這些函數(shù)叫做通函數(shù)（ufunc）
a = np.array([[0, 1, 2, 3],
[4, 5, 6, 7],
[8, 9, 10, 11]])
print(a.max()) # 求整體的最大值，結(jié)果為11
print(a.sum(axis=0)) # 求每一列的和，結(jié)果為：[12 15 18 21]
print(np.sqrt(a)) # 數(shù)組每個元素求開方
numpy中的數(shù)組同python中的list一樣可以進行索引、切片和迭代操作。數(shù)組a[x]代表訪問數(shù)組a下標為x的元素，一維數(shù)組a[x:y]代表訪問數(shù)組從x到y(tǒng)的元素，如果省略x代表從頭開始，省略y代表直到結(jié)尾。a[x:y:a]代表從x到y(tǒng)每隔a個元素取一個值，如果a為負數(shù)，代表逆序取值。
a = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) print(a[1:3]) # 輸出下標為1到3的元素：[1 2] print(a[::-2]) # 逆序每隔兩個元素選一個值：[9 7 5 3 1]
如果是多維數(shù)組，則索引之間用逗號分隔?？梢允褂?..代表省略某幾個維度，如果省略則會被認為是該維度全部輸出，例如x[...,3] 等效于 x[:,:,:,:,3]。
可以通過for循環(huán)迭代多為數(shù)組，其內(nèi)容為低一維度的子數(shù)組，如果希望遍歷每一個子元素，可以使用flat屬性。
a = np.array([[0, 1, 2, 3],
[10, 11, 12, 13],
[40, 41, 42, 43]])
# 輸出a第一維(行)的前三個，第二維(列)下標的1~3
print(a[1:3, 0:3])
# 輸出行的所有，下標為2的列
print(a[2, ...])
# 遍歷數(shù)組
for row in a:
print(row)
# 遍歷每個子元素
for item in a.flat:
print(item)
'''
后兩行的1~3列：
[[10 11 12]
[40 41 42]]
第三行的所有列：
[40 41 42 43]
遍歷數(shù)組：
[0 1 2 3]
[10 11 12 13]
[40 41 42 43]
遍歷每個元素：
0
1
2
......
41
42
43
'''
除了使用具體數(shù)字作為索引，還可以使用numpy數(shù)組作為索引。例如使用數(shù)組i作為一維數(shù)組a的索引，輸出a[i]。當數(shù)組i為多維數(shù)組時，從a中選出元素填到i數(shù)組的對應(yīng)位置
a = np.arange(12) ** 2 print(a) i = np.array([1, 3, 5]) print(a[i]) # 多維數(shù)組索引j j = np.array([[3, 4], [9, 7]]) print(a[j]) ''' [ 0 1 4 9 16 25 36 49 64 81 100 121] 數(shù)組a的1、3、5個元素 [ 1 9 25] 通過多為索引j取出a的數(shù)據(jù)填到對應(yīng)位置 [[ 9 16] [81 49]] '''
如果a是多維數(shù)組，索引數(shù)組的單個元素代表選中數(shù)組a的第一個維度
如果對多維數(shù)組在多個維度上進行索引，則傳入多個索引數(shù)組i,j并用逗號分隔
a = np.array(([[0, 1, 2, 3],
[4, 5, 6, 7],
[8, 9, 10, 11]]))
# 多維數(shù)組的單元素索引
i = np.array([0, 1])
print(a[i])
# 對多維數(shù)組提供多維度索引，同時提供i,j代表取出a的[0,2]、[1,3]兩個元素
j = np.array([2, 3])
print(a[i, j])
'''
選擇多維數(shù)組a的第0、1兩行：
[[0 1 2 3]
[4 5 6 7]]
a的[0,2]、[1,3]兩個元素：
[2 7]
'''
數(shù)組的reshape()方法可以將原數(shù)組重構(gòu)成目標維度的數(shù)組，例如將一個2×6的數(shù)組重構(gòu)為3×4的數(shù)組，
數(shù)組在重構(gòu)時不會修改原數(shù)組，而是返回修改后的結(jié)果數(shù)組
值得注意的是數(shù)組在重構(gòu)和打印時都是從最右邊的維度開始往左進行，例如下面的3×4的數(shù)組b，先按行排列4個，然后再換行，排列這樣的3行。如果是多維，則按這樣的行列繼續(xù)輸出。如果數(shù)組維度為-1，則會自動計算該維度的大小，例如含有12個元素的數(shù)組，第二、第三維是3×2，則第一維就是2
ravel()函數(shù)可以將數(shù)組展成一維數(shù)組。
a=np.array([[1,2,3,4,5,6],
[7,8,9,10,11,12]])
b=a.reshape(3,4)
print(b)
# 多維數(shù)組，自動計算
print(a.reshape(-1,3,2))
# 展開數(shù)組
flatted = b.ravel()
print(flatted, end=' ')
'''
[[ 1 2 3 4]
[ 5 6 7 8]
[ 9 10 11 12]]
2×3×2的多維數(shù)組：
[[[ 1 2]
[ 3 4]
[ 5 6]]
[[ 7 8]
[ 9 10]
[11 12]]]
展開數(shù)組：
[ 1 2 3 4 5 6 7 8 9 10 11 12]
'''
numpy的hstack()函數(shù)可以在水平方向上合并多個數(shù)組，vstack()函數(shù)可以在垂直方向上合并多個數(shù)組
相反地，hsplit()、vsplit()可以拆分為指定數(shù)量的數(shù)組
a=np.array([1,2,3])
b=np.array([4,5,6])
# 垂直方向合并
c=np.vstack((a,b))
print(c)
# 水平方向合并
print(np.hstack((a,b)))
# 水平方向拆分
print(np.hsplit(c,3))
'''
垂直堆疊
[[1 2 3]
[4 5 6]]
水平合并
[1 2 3 4 5 6]
水平拆分為三個1×2的：
[array([[1],
[4]]),
array([[2],
[5]]),
array([[3],
[6]])]
'''
當一個數(shù)組對象賦值給一個新的變量時，是新開辟一個存儲空間還是只是傳遞一個引用？答案是引用。
例如執(zhí)行語句b=a，只是將一個引用傳給了b，對b執(zhí)行的操作會直接影響a。查看a、b兩個對象的節(jié)點id也是一樣的
a = np.array([1, 2, 3]) b = a # 修改b b[0] = 0 print(a) # 輸出a、b對象的id print(id(a), id(b)) ''' 修改b，a也發(fā)生了變化 [0 2 3] 查看二者的id 2290013812656 2290013812656 '''
通過切片返回數(shù)組的視圖，修改視圖的形狀不會影響原數(shù)組，但是在視圖上修改數(shù)據(jù)原數(shù)組也會改變。在執(zhí)行del a之后，由于c引用了a，a依舊會存在內(nèi)存中不會被刪除
c = a[:] # 修改視圖的形狀 c.shape = 3, 1 print(c, a) # 修改視圖c的數(shù)據(jù) c[0] = 1 print(a[0]) ''' 對視圖c的形狀做修改，a不會受到影響 [[0] [2] [3]] [0 2 3] 修改c的數(shù)據(jù)，a也會隨之改變： 1
通過copy()方法可以生成數(shù)據(jù)的副本，因此對副本的操作完全不會影響原數(shù)組
d= a.copy() d[0]=5 # 修改數(shù)組的副本d，a不受影響，輸出a：[1 2 3] print(a)
更多關(guān)于Python相關(guān)內(nèi)容感興趣的讀者可查看本站專題：《Python數(shù)學(xué)運算技巧總結(jié)》、《Python數(shù)據(jù)結(jié)構(gòu)與算法教程》、《Python函數(shù)使用技巧總結(jié)》、《Python字符串操作技巧匯總》、《Python入門與進階經(jīng)典教程》及《Python文件與目錄操作技巧匯總》
希望本文所述對大家Python程序設(shè)計有所幫助。
免責(zé)聲明：本站發(fā)布的內(nèi)容（圖片、視頻和文字）以原創(chuàng)、轉(zhuǎn)載和分享為主，文章觀點不代表本網(wǎng)站立場，如果涉及侵權(quán)請聯(lián)系站長郵箱：is@yisu.com進行舉報，并提供相關(guān)證據(jù)，一經(jīng)查實，將立刻刪除涉嫌侵權(quán)內(nèi)容。
億速云公眾號
手機網(wǎng)站二維碼