本文實(shí)例講述了Python Numpy庫(kù)常見(jiàn)用法。分享給大家供大家參考，具體如下：

1、簡(jiǎn)介

Numpy是一個(gè)常用的Python科學(xué)技術(shù)庫(kù)，通過(guò)它可以快速對(duì)數(shù)組進(jìn)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(xiàn)性代數(shù)，基本統(tǒng)計(jì)運(yùn)算和隨機(jī)模擬等。許多Python庫(kù)和科學(xué)計(jì)算的軟件包都使用Numpy數(shù)組作為操作對(duì)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(kāi)Numpy。

Numpy的核心是ndarray對(duì)象，由Python的n維數(shù)組封裝而來(lái)，但通過(guò)C語(yǔ)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(yǔ)言編碼，這樣就同時(shí)具有簡(jiǎn)潔的代碼和高效的運(yùn)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(lèi)型，并且在創(chuàng)建時(shí)就確定了固定的大小，這與Python數(shù)組對(duì)象可以動(dòng)態(tài)增長(zhǎng)不同。

2、數(shù)組對(duì)象

2.1、屬性

Numpy對(duì)象的形式是同構(gòu)多維數(shù)組，數(shù)組的維度稱(chēng)為軸(axis)，每個(gè)維度上元素的個(gè)數(shù)稱(chēng)為軸的長(zhǎng)度。例如下面是一個(gè)2×3的二維數(shù)組arr，第一軸長(zhǎng)度為3，第二軸長(zhǎng)度為2

arr = [[ 1., 0., 0.],
    [ 0., 1., 2.]]

arr數(shù)組對(duì)象常用的屬性如下：

# 數(shù)組軸的個(gè)數(shù)
arr.ndim
# 數(shù)組維度及長(zhǎng)度，例如2×3的數(shù)組其shape為(2, 3)
arr.shape
# 數(shù)組元素的總個(gè)數(shù)
arr.size
# 數(shù)組中元素的數(shù)據(jù)類(lèi)型
arr.dtype
# 數(shù)組中元素所占字節(jié)數(shù)
arr.itemsize

2.2、創(chuàng)建數(shù)組

可以通過(guò)array()方法包裹普通python數(shù)組將其轉(zhuǎn)化為numpy數(shù)組，通過(guò)dtype=規(guī)定元素的數(shù)據(jù)類(lèi)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(jī)數(shù)

arange(a,b,c)函數(shù)用于從a到b每隔c長(zhǎng)度生成一個(gè)數(shù)組元素。linspace(a,b,c)函數(shù)用于在a到b之間生成c個(gè)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(gè)元素
a4 = np.arange(1, 10, 2)
print(a4)
# 在1到12之間生成4個(gè)元素
a5 = np.linspace(1, 12, 4, dtype=int)
print(a5)
 
'''
普通數(shù)組轉(zhuǎn)化為numpy對(duì)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(gè)元素：
[1 3 5 7 9]
在1到12之間生成4個(gè)元素：
[ 1 4 8 12]
'''

2.3、數(shù)組操作

算術(shù)運(yùn)算符可以直接運(yùn)用在矩陣上，其結(jié)果是將運(yùn)算應(yīng)用到每個(gè)元素上，例如矩陣A*B就是每個(gè)元素對(duì)應(yīng)相乘，矩陣的乘法運(yùn)算使用的是@符號(hào)

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(duì)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(gè)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(gè)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(kāi)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(gè)元素求開(kāi)方

numpy中的數(shù)組同python中的list一樣可以進(jìn)行索引、切片和迭代操作。數(shù)組a[x]代表訪問(wèn)數(shù)組a下標(biāo)為x的元素，一維數(shù)組a[x:y]代表訪問(wèn)數(shù)組從x到y(tǒng)的元素，如果省略x代表從頭開(kāi)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(gè)元素取一個(gè)值，如果a為負(fù)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(biāo)為1到3的元素：[1 2]
print(a[::-2]) # 逆序每隔兩個(gè)元素選一個(gè)值：[9 7 5 3 1]

如果是多維數(shù)組，則索引之間用逗號(hào)分隔。可以使用...代表省略某幾個(gè)維度，如果省略則會(huì)被認(rèn)為是該維度全部輸出，例如x[...,3] 等效于 x[:,:,:,:,3]。

可以通過(guò)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(gè)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(gè)，第二維(列)下標(biāo)的1~3
print(a[1:3, 0:3])
# 輸出行的所有，下標(biāo)為2的列
print(a[2, ...])
# 遍歷數(shù)組
for row in a:
  print(row)
# 遍歷每個(gè)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(gè)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(dāng)數(shù)組i為多維數(shù)組時(shí)，從a中選出元素填到i數(shù)組的對(duì)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(gè)元素
[ 1 9 25]
通過(guò)多為索引j取出a的數(shù)據(jù)填到對(duì)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(gè)元素代表選中數(shù)組a的第一個(gè)維度

如果對(duì)多維數(shù)組在多個(gè)維度上進(jìn)行索引，則傳入多個(gè)索引數(shù)組i,j并用逗號(hào)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(duì)多維數(shù)組提供多維度索引，同時(shí)提供i,j代表取出a的[0,2]、[1,3]兩個(gè)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(gè)元素：
[2 7]
'''

2.4、改變維度

數(shù)組的reshape()方法可以將原數(shù)組重構(gòu)成目標(biāo)維度的數(shù)組，例如將一個(gè)2×6的數(shù)組重構(gòu)為3×4的數(shù)組，

數(shù)組在重構(gòu)時(shí)不會(huì)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(shí)都是從最右邊的維度開(kāi)始往左進(jìn)行，例如下面的3×4的數(shù)組b，先按行排列4個(gè)，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(huì)自動(dòng)計(jì)算該維度的大小，例如含有12個(gè)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(dòng)計(jì)算
print(a.reshape(-1,3,2))
# 展開(kāi)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(kāi)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(gè)數(shù)組，vstack()函數(shù)可以在垂直方向上合并多個(gè)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(gè)1×2的：
[array([[1],
    [4]]), 
array([[2],
    [5]]), 
array([[3],
    [6]])]
'''

2.5、數(shù)組的復(fù)制

當(dāng)一個(gè)數(shù)組對(duì)象賦值給一個(gè)新的變量時(shí)，是新開(kāi)辟一個(gè)存儲(chǔ)空間還是只是傳遞一個(gè)引用？答案是引用。

例如執(zhí)行語(yǔ)句b=a，只是將一個(gè)引用傳給了b，對(duì)b執(zhí)行的操作會(huì)直接影響a。查看a、b兩個(gè)對(duì)象的節(jié)點(diǎn)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(duì)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(guò)切片返回?cái)?shù)組的視圖，修改視圖的形狀不會(huì)影響原數(shù)組，但是在視圖上修改數(shù)據(jù)原數(shù)組也會(huì)改變。在執(zhí)行del a之后，由于c引用了a，a依舊會(huì)存在內(nèi)存中不會(huì)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(duì)視圖c的形狀做修改，a不會(huì)受到影響
[[0]
 [2]
 [3]] [0 2 3]
修改c的數(shù)據(jù)，a也會(huì)隨之改變：
1

通過(guò)copy()方法可以生成數(shù)據(jù)的副本，因此對(duì)副本的操作完全不會(huì)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(zhuān)題：《Python數(shù)學(xué)運(yùn)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(mén)與進(jìn)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(duì)大家Python程序設(shè)計(jì)有所幫助。

最新評(píng)論