Numpy定义

NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。NumPy 通常与 SciPy（Scientific Python）和 Matplotlib（绘图库）一起使用，这种组合广泛用于替代 MatLab，是一个强大的科学计算环境，有助于我们通过 Python 学习数据科学或者机器学习。

NumPy 主要应用包括：

机器学习模型：在编写机器学习算法时，需要对矩阵进行各种数值计算。例如矩阵乘法、换位、加法等。NumPy提供了一个非常好的库，用于简单(在编写代码方面)和快速(在速度方面)计算。NumPy数组用于存储训练数据和机器学习模型的参数。

图像处理和计算机图形学：计算机中的图像表示为多维数字数组。NumPy成为同样情况下最自然的选择。实际上，NumPy提供了一些优秀的库函数来快速处理图像。例如，镜像图像、按特定角度旋转图像等。

数学任务：NumPy对于执行各种数学任务非常有用，如数值积分、微分、内插、外推等。因此，当涉及到数学任务时，它形成了一种基于Python的MATLAB的快速替代。

为什么要用numpy

Python中提供了list容器，可以当作数组使用。但列表中的元素可以是任何对象，因此列表中保存的是对象的指针，这样一来，为了保存一个简单的列表[1,2,3]。就需要三个指针和三个整数对象。对于数值运算来说，这种结构显然不够高效。Python虽然也提供了array模块，但其只支持一维数组，不支持多维数组(在TensorFlow里面偏向于矩阵理解)，也没有各种运算函数。因而不适合数值运算。NumPy的出现弥补了这些不足。（——摘自张若愚的《Python科学计算》）

详情请参考：Overview — NumPy v1.21 Manual

NumPy安装

因为numpy通常跟 scipy matplotlib一起使用,所以一起安装三个模块即可。

pip3 install --user numpy scipy matplotlib

numpy array基础使用

import numpy as npa = np.array([1,2,3,4])，#1行4列矩阵，即一维数组b = np.arange(4) # 1行4列矩阵，元素递增1的一维数组c = np.array([[1,2],[3,4]])  # 2行2列矩阵，即二维数组d = np.arange(4).reshape((2,2)) #变换输出 2行2列print (a)print(type(a)) #输出a的类型print (b)print (c)print (d)

分别输出：

[1 2 3 4]

[0 1 2 3]

[[1 2]

[3 4]]

[[0 1]

[2 3]]

np数组的广播

广播(Broadcast)是 numpy 对不同形状(shape)的数组进行数值计算的方式，对数组的算术运算通常在相应的元素上进行。如果两个数组 a 和 b 形状相同，即满足a.shape == b.shape，那么 a*b 的结果就是 a 与 b 数组对应位相乘。这要求维数相同，且各维度的长度相同。

例如代码

a = np.array([1,2,3])b = np.array([10,20,30])c = a * bprint (c)

输出

[10 40 90]

数组广播相加操作

a = np.array([[ 0, 0, 0], [10,10,10], [20,20,20], [30,30,30]]) #4x3 的二维数组b = np.array([1,2,3])print(a + b)

输出

[[11 12 13]

[2122 23]]

下面的图片展示了数组 b 如何通过广播来与数组 a 兼容。4x3 的二维数组与长为 3 的一维数组相加，等效于把数组 b 在二维上重复 4 次再运算：

np数组的切片和索引

ndarray对象的内容可以通过索引或切片来访问和修改，与 Python 中 list 的切片操作一样。ndarray数组可以基于0-n的下标进行索引，切片对象可以通过内置的 slice 函数，并设置 start, stop 及 step 参数进行，从原数组中切割出一个新数组。相信大家理解python list切片相关操作，一定会对该部分的内容感到熟悉，这里举几个经典的例子：

基础实例

import numpy as npa = np.arange(10)  # [0 1 2 3 4 5 6 7 8 9]b = a[5]  #下标5元素的值c = np.array([[1,2,3],[3,4,5],[6,7,8]])print(b)print(a[3:5]) #输出下标3-5的值，注意这里可以输出下限3，而不包括上限5print(c[0,0]) #输出第一行第一列的元素即[1,2,3]中的1print (c[...,1])   #第2列元素print (c[1,...])   # 第2行元素print (c[...,1:])  # 第2列及剩下的所有元素

输出

[3 4]

[2 4 7]

[3 4 5]

[[2 3]

[45]

[78]]

布尔索引实例

我们可以通过一个布尔数组来索引目标数组。布尔索引通过布尔运算（如：比较运算符）来获取符合指定条件的元素的数组。

c = np.array([[1,2,3],[3,4,5],[6,7,8]])print (c[c > 3]) #打印出大于3的元素

输出

[4 5 6 7 8]

numpy array遍历

直接上代码，普通一维数组

arr = np.array([1, 2, 3])for x in arr:print(x)

输出

定义一个numpy的二维数组，二维以上的数组这里不做讨论

arr = np.array([[1, 2, 3], [4, 5, 6]])for x in arr:print(x)

输出

[1 2 3]

[4 5 6

如果想一个一个地输出每一个元素，可以这样编写代码

for x in arr:for y in x:print(y)

输出

上面的方式比较麻烦，我们可以通过方法np.nditer实现一个一个地输出每一个元素

for x in np.nditer(arr):print(x)

输出

numpy array元素过滤

实例，在np数组中，过滤大于2的元素

arr = np.array([1, 2, 3, 4])newarr = arr[arr >2]print(newarr)

输出

[3 4]

怎么样，是不是非常非常简单

numpy array 关于字符的处理

如果np数组中存储的是字符，如果相对字符元素进行相关操作，需要使用api —np.char

有这样一个需求，把字符'0.01%','1.1%','1.21%' 中的%去掉，并把字符转型为float类型。如何实现呢？代码如下：

b=np.array(['0.01%','1.1%','1.21%'])newb=np.char.rstrip(b,'%').astype(float)print(newb)

输出

[0.01 1.1 1.21]

其中:

rstrip表示删除某个字符

astype(float)表示把元素转型为float

详解numpy中的array（附实例源码）相关推荐

Android中mesure过程详解 (结合Android 4.0.4 最新源码)
如何遍历并绘制View树?之前的文章Android中invalidate() 函数详解(结合Android 4.0.4 最新源码)中提到invalidate()最后会发起一个View树遍历的请求,并通 ...
Android中layout过程详解 (结合Android 4.0.4 最新源码)
上一篇文章Android中mesure过程详解 (结合Android 4.0.4 最新源码)介绍了View树的measure过程,相对与measure过程,本文介绍的layout过程要简单多了,正如l ...
详解linux下auto工具制作Makefile源码包（制作篇）
2019独角兽企业重金招聘Python工程师标准>>> 详解linux下auto工具制作Makefile源码包(制作篇) 水木杨一. 概述为了更好的制作configure ...
【Android数据存储】ContentProvider详细介绍（附实例源码）
1.ContentProvider是什么? ContentProvider--内容提供者.它是一个类,这个类主要是对Android系统中进行共享的数据进行包装,并提供了一组统一的访问接口供其他程序调用 ...
php simplexml_load_file 详解,php中simplexml_load_file函数用法实例讲解
php中simplexml_load_file函数用法实例讲解发布于 2015-02-07 06:53:40 | 136 次阅读 | 评论: 0 | 来源: 网友投递 PHP开源脚本语言PHP(外文 ...
218.94.78.76:20001/index.php,详解spring中使用Elasticsearch的实例教程
本篇文章主要介绍了详解spring中使用Elasticsearch的代码实现,具有一定的参考价值,有兴趣的可以了解一下在使用Elasticsearch之前,先给大家聊一点干货. 1. ES和solr ...
html中超链接使用_HTML实例源码
HTML实例源码实例一 1.要求: 知识要点: html 文档的基本结构,html 标签的书写格式.作用.用法实训目的: 掌握 html 文档的基本结构,掌握 html 代码网页编辑的基本方法实训 ...
python中的super用法详解_Python中super函数用法实例分析
本文实例讲述了python中super函数用法.分享给大家供大家参考,具体如下: 这是个高大上的函数,在python装13手册里面介绍过多使用可显得自己是高手 23333. 但其实他还是很重要的. 简 ...
详解numpy中argsort函数
当你不了解一个函数的时候,你可以采用两种方式:一种输入来了解函数 print(help(np.argsort)) 要么就是直接点进函数来看函数的源代码,可能源代码都是英文,不太好理解,没有关系,我 ...

详解numpy中的array（附实例源码）

Numpy定义

numpy array基础使用

numpy array元素过滤

numpy array 关于字符的处理

详解numpy中的array（附实例源码）相关推荐

最新文章

热门文章