Numpy基本使用

Numpy入门

对于Python的列表，其并不是真正意义上的数组。数据量很大时，列表效率不高(即速度很慢)。

Numpy提供两种基本对象，ndarray和ufunc。

• ndarray（后面统称为数组），存储单一数据类型的多维数组。

• ufunc（通用函数），对数组进行处理的函数

1. 数组的创建

• array():向该函数传入一个列表或元组，即可构造简单一位数组，如果传入嵌套列表或嵌套元组，则构造二维数组。

a = np.array([2, 4, 6, 8, 10]) #生成一维数组
b = np.array([1, 2, 3], [2, 3, 4]) #生成二维数组

• arange()，empty()，linspace()

  • empty():创建一个指定形状(shape),数据类型（dtype）且未初始化的数组。

  #函数原型
  #numpy.empty(shape, dtype=float, order='C')
  a = np.empty((2,3), int) #创建2行，3列的空矩阵
  

  • arange():返回给定间隔均匀分布的值构成的数组。

  #函数原型,有省略一些不常用的参数
  #numpy.arange([start, ]stop, [step, ]dtype=None)
  a = np.arange(0, 10, 4, dtype=int)  #生成[0,4,8]
  #起始值为0，步长为4，取值区间为[start, stop)，注意“左闭右开”
  #start可省略，默认起始值为0,默认步长为1
  

  • linspace():返回指定间隔内间隔均匀的数字。

  #函数原型，省略一些不常用的参数
  #numpy.linspace(start, stop, num=50)
  a = np.linspace(0, 100, 20) 
  #从区间[start, stop]中均匀取20个点，构成一个数组，这里为闭区间
  

  其他生成数组的方法省略。

2. 数组的属性

使用numpy生成的数组都是一个数组对象。该对象有一些基本属性。

ndim：数组的维数(int)

shape：数组的尺寸，对于m行n列矩阵，返回为(m,n)元组

size: 数组元素总个数

dtype: 数组中元素的数据类型

itemsize:数组中元素的字节数

使用示例:

a = np.array([2, 3, 4, 5])
print("维数:", a.ndim) # 维数:1

shape属性

使用示例:

a = np.array([1, 2, 3])
b = np.array([[1, 2, 3]])
c = np.array([[1], [2], [3]])
print("维度为:", a.shape) #维度为:(3,)
print("维度为:", b.shape) #维度为:(1,3)
print("维度为:", c.shape) #维度为:(3,1)

注意shape属性(3，）、（1，3）、（3,1）是不一样的，(3，)代表的一维数组即可以看成是行向量，也可以看成是列向量，它的转置是不变的。

3. 数组元素的访问(索引方式)

1. 一般索引

使用示例:

#一维数组的索引方式
a = np.arange(0,10)
print(a[7]) #访问下标为7的元素,结果为7
#二维数组的索引方式
a = np.array([[1, 2, 3], [ 5, 6 ,7]])
print(a[1,2]) #访问第2行，第3列的元素，结果为7

2. 布尔索引

使用示例:布尔索引会将满足结果的元素合并为一个一维数组

a = np.array([[1, 2, 3], [2, 3, 4], [3, 4, 5]])
print(a[a>3]) #提取出数组a中大于3的元素
#结果为:[4 4 5]

3. 花式索引：略

4. 数组的修改

1. 通过索引访问修改

使用示例:

a = np.arange(0,10)
a[7] = 0 #修改下标为7的元素值为0
#二维数组同理

2. 通过函数修改

使用示例:

x = np.array([[1, 2], [3, 4], [5, 6]])
y = np.delete(x, 2, axis=0) #删除数组的第3行
z = np.delete(x, 0, axis=1) #删除数组的第1列
t1 = np.append(x, [[7,8]], axis=0) #增加一行
t2 = np.append(y, [[9], [2], [1]], axis=1) #增加一列

5.数组的变形

数组的变形和转换有很多方法，这里简单介绍reshape和resize。

a = np.arange(4).reshape(2, 2) #生成数组[[0,1], [2, 3]]
b = np.arange(4).reshape(2, 2) #生成数组[[0,1], [2, 3]]
print(a.reshape(4,), '\n', a) #输出:[0 1 2 3]和[[0,1], [2,3]]
print(b.resize(4,), '\n', b) #输出:None和[0 1 2 3]

reshape()会返回改变形状后的数组，但是原来的数组不受影响，resize()不会返回，直接对原数组进行修改。

参考资料

• Python数学实验与建模(司守奎，孙玺菁)

• 数组对象 — NumPy v1.22 手册