NumPy入门攻略:手把手带你玩转这款强大的数据分析和计算工具
导读:NumPy(Numerical Python的简称)是高性能科学计算和数据分析的基础包,提供了矩阵运算的功能。
在处理自然语言过程中,需要将文字(中文或其他语言)转换为向量。即把对文本内容的处理简化为向量空间中的向量运算。基于向量运算,我们就可以实现文本语义相似度、特征提取、情感分析、文本分类等功能。
作者:涂铭,刘祥,刘树春
如需转载请联系大数据(ID:hzdashuju)
NumPy提供了以下几个主要功能:
ndarray——一个具有向量算术运算和复杂广播能力的多维数组对象。
用于对数组数据进行快速运算的标准数学函数。
用于读写磁盘数据的工具以及用于操作内存映射文件的工具。
非常有用的线性代数,傅里叶变换和随机数操作。
用于集成C /C++和Fortran代码的工具。
除明显的科学用途之外,NumPy也可以用作通用数据的高效多维容器,可以定义任意的数据类型。这些使得NumPy能无缝、快速地与各种数据库集成。
提示:这里提到的“广播”可以这么理解:当有两个维度不同的数组(array)运算的时候,可以用低维的数组复制成高维数组参与运算(因为NumPy运算的时候需要结构相同)。
本文NumPy的要点包括:
创建NumPy数组
获取NumPy中数组的维度
NumPy数组索引与切片
NumPy数组比较
替代值
NumPy数据类型转换
NumPy的统计计算方法
01 创建数组
在NumPy中,最核心的数据结构是ndarray,ndarray代表的是多维数组,数组指的是数据的集合。为了方便理解,我们来举一个小例子。
1. 一个班级里学生的学号可以通过一维数组来表示:数组名叫a,在a中存储的是数值类型的数据,分别是1,2,3,4。
索引 |
学号 |
0 |
1 |
1 |
2 |
2 |
3 |
3 |
4 |
其中a[0]代表的是第一个学生的学号1,a[1]代表的是第二个学生的学号2,以此类推。
2. 一个班级里学生的学号和姓名,则可以用二维数组来表示:数组名叫b
1 |
Tim |
2 |
Joey |
3 |
Johnny |
4 |
Frank |
类似的,其中b[0,0]代表的就是1(学号),b[0,1]代表的就是Tim(学号为1的学生的名字),以此类推b[1,0]代表的是2(学号)等。
借用线性代数的说法,一维数组通常称为向量(vector),二维数组通常称为矩阵(matrix)。
当我们安装完Anaconda之后,默认情况下NumPy已经在库中了,所以不需要额外安装。我们来写一些语句简单测试下NumPy:
1)在Anaconda中输入,如果没有报错,那么说明NumPy是正常工作的。
In [1]: import numpy as np
稍微解释下这句语句:通过import关键字将NumPy库引入,然后通过as为其取一个别名np,别名的作用是为了之后写代码的时候方便引用。
2)通过NumPy中的array(),可以将向量直接导入:
vector = np.array([1,2,3,4])
3)通过numpy.array()方法,也可以将矩阵导入:
matrix = np.array([[1,'Tim'],[2,'Joey'],[3,'Johnny'],[4,'Frank']])
02 获取NumPy中数组的维度
首先我们通过NumPy中的一个方法arange(n),生成0到n-1的数组。比如我们输入np.arange(15),可以看到返回的结果是array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14])。
之后再通过NumPy中的reshape(row,column)方法,自动构架一个多行多列的array对象。
比如我们输入:
a = np.arange(15).reshape(3,5) #代表3行5列
可以看到结果:
array([[ 0, 1, 2, 3, 4], [ 5, 6, 7, 8, 9], [10, 11, 12, 13, 14]])
我们有了基本数据之后,可以通过NumPy提供的shape属性获取NumPy数组的维度。
print(a.shape)
可以看到返回的结果,这个是一个元组(tuple),第一个3代表的是3行,第二个5代表的是5列:
(3, 5)
03 获取本地数据
我们可以通过NumPy中genfromtxt()方法来读取本地的数据集。需要使用的数据集,house-prices.csv是由逗号(,)分隔的,在Github的data目录下能下载到。我们可以使用以下语句来读取这个数据集:
import numpy as npnfl = np.genfromtxt("D:/numpy/data/price.csv", delimiter=",")print(nfl)
上述代码从本地读取price.csv文件到NumPy数组对象中(ndarray),我们看一下数据集的前几行。
[[ nan nan nan nan nan nan] [ 1.00000000e+00 1.14300000e+05 2.00000000e+00 2.00000000e+00 nan nan] [ 2.00000000e+00 1.14200000e+05 4.00000000e+00 2.00000000e+00 nan nan] [ 3.00000000e+00 1.14800000e+05 3.00000000e+00 2.00000000e+00 nan nan] [ 4.00000000e+00 9.47000000e+04 3.00000000e+00 2.00000000e+00 nan nan]
暂时先不用考虑返回数据中出现的nan。
每一行的数据代表了房间的地区,是否是砖瓦结构,有多少卧室、洗手间以及价格的描述。
每个列代表了:
Home:房子的id
Price:房子的价格
Bedrooms:有多少个卧室
Bathroom:有多少个洗手间
Brick:是否是砖房
Neighborhood:地区
注意:NumPy数组中的数据必须是相同类型,比如布尔类型(bool)、整型(int),浮点型(float)以及字符串类型(string)。NumPy可以自动判断数组内的对象类型,我们可以通过NumPy数组提供的dtype属性来获取类型。
04 正确读取数据
回到之前的话题,上文发现显示出来的数据里面有数据类型na(not available)和nan(not a number),前者表示读取的数值是空的、不存在的,后者是因为数据类型转换出错。对于nan的出错,我们可以用genfromtxt()来转化数据类型。
dtype关键字要设定为‘U75’.表示每个值都是75byte的unicode。
skip_header关键字可以设置为整数,这个参数可以跳过文件开头的对应的行数,然后再执行任何其他操作。
import numpy as npnfl = np.genfromtxt("d:/numpy/data/price.csv", dtype='U75', skip_header = 1,delimiter=",")print(nfl)
05 NumPy数组索引
NumPy支持list一样的定位操作。举例来说:
import numpy as npmatrix = np.array([[1,2,3],[20,30,40]])print(matrix[0,1])
得到的结果是2。
上述代码中的matrix[0,1],其中0代表的是行,在NumPy中0代表起始第一个,所以取的是第一行,之后的1代表的是列,所以取的是第二列。那么最后第一行第二列就是2这个值了。
06 切片
NumPy支持list一样的切片操作。
import numpy as npmatrix = np.array([[5, 10, 15], [20, 25, 30], [35, 40, 45] ])print(matrix[:,1])print(matrix[:,0:2])print(matrix[1:3,:])print(matrix[1:3,0:2])
上述的print(matrix[:,1])语法代表选择所有的行,但是列的索引是1的数据。那么就返回10,25,40。
print(matrix[:,0:2])代表的是选取所有的行,列的索引是0和1。
print(matrix[1:3,:])代表的是选取行的索引值1和2以及所有的列。
print(matrix[1:3,0:2])代表的是选取行的索引1和2以及列的索引是0和1的所有数据。
07 数组比较
NumPy强大的地方是数组或矩阵的比较,数据比较之后会产生boolean值。
举例来说:
import numpy as npmatrix = np.array([ [5, 10, 15],[20, 25, 30],[35, 40, 45]])m = (matrix == 25)print(m)
我们看到输出的结果为:
[[False False False] [False True False] [False False False]]
我们再来看一个比较复杂的例子:
import numpy as npmatrix = np.array([[5, 10, 15],[20, 25, 30],[35, 40, 45] ])second_column_25 = (matrix[:,1] == 25)print(second_column_25)print(matrix[second_column_25, :])
上述代码中print(second_column_25)输出的是[False True False],首先matrix[:,1]代表的是所有的行,以及索引为1的列->[10,25,40],最后和25进行比较,得到的就是false,true,false。print(matrix[second_column_25, :])代表的是返回true值的那一行数据-> [20,25,30]。
注意:上述的例子是单个条件,NumPy也允许我们使用条件符来拼接多个条件,其中“&”代表的是“且”,“|”代表的是“或”。比如vector=np.array([5,10,11,12]),equal_to_five_and_ten =(vector == 5) & (vector == 10)返回的都是false,如果是equal_to_five_or_ten =(vector == 5)|(vector == 10)返回的是[True,True,False,False]
08 替代值
NumPy可以运用布尔值来替换值。
在数组中:
vector = numpy.array([5, 10, 15, 20])equal_to_ten_or_five = (vector == 10) | (vector == 5)vector[equal_to_ten_or_five] = 50print(vector)[50, 50, 15, 20]
在矩阵中:
matrix = numpy.array([[5, 10, 15],[20, 25, 30],[35, 40, 45]])second_column_25 = matrix[:,1] == 25matrix[second_column_25, 1] = 10print(matrix)[[ 5 10 15] [20 10 30] [35 40 45]]
我们先创立数组matrix。将matrix的第二列和25比较,得到一个布尔值数组。second_column_25将matrix第二列值为25的替换为10。
替换有一个很棒的应用之处,就是替换那些空值。之前提到过NumPy中只能有一个数据类型。我们现在读取一个字符矩阵,其中有一个值为空值。其中的空值我们很有必要把它替换成其他值,比如数据的平均值或者直接把他们删除。这在大数据处理中很有必要。这里,我们演示把空值替换为“0”的操作。
import numpy as npmatrix = np.array([['5', '10', '15'],['20', '25', '30'],['35', '40','' ] ])second_column_25 = (matrix[:,2] == '')matrix[second_column_25, 2]='0'print(matrix)
09 数据类型转换
NumPy ndarray数据类型可以通过参数dtype 设定,而且可以使用astype转换类型,在处理文件时这个会很实用,注意astype 调用会返回一个新的数组,也就是原始数据的一份复制。
比如,把String转换成float。如下:
vector = numpy.array(["1", "2", "3"])vector = vector.astype(float)
注意:上述例子中,如果字符串中包含非数字类型的时候,从string转float就会报错。
10 NumPy的统计计算方法
NumPy内置很多计算方法。其中最重要的统计方法有:
sum():计算数组元素的和;对于矩阵计算结果为一个一维数组,需要指定行或者列。
mean():计算数组元素的平均值;对于矩阵计算结果为一个一维数组,需要指定行或者列。
max():计算数组元素的最大值;对于矩阵计算结果为一个一维数组,需要指定行或者列。
需要注意的是,用于这些统计方法计算的数值类型必须是int或者float。
数组例子:
vector = numpy.array([5, 10, 15, 20])vector.sum()#得到的结果是50
矩阵例子:
matrix=array([[ 5, 10, 15], [20, 10, 30], [35, 40, 45]])matrix.sum(axis=1)array([ 30, 60, 120])matrix.sum(axis=0)array([60, 60, 90])
如上述例子所示,axis = 1计算的是行的和,结果以列的形式展示。axis = 0计算的是列的和,结果以行的形式展示。
延伸学习
官方推荐教程是不错的入门选择:
https://docs.scipy.org/doc/numpy-dev/user/quickstart.html
关于作者:涂铭,阿里巴巴数据架构师,对大数据、自然语言处理、Python、Java相关技术有深入的研究,积累了丰富的实践经验。
刘祥,百炼智能自然语言处理专家,主要研究知识图谱、NLG等前沿技术,参与机器自动写作产品的研发与设计。
刘树春,七牛云高级算法专家,七牛AI实验室NLP&OCR方向负责人,主要负责七牛NLP以及OCR相关项目的研究与落地。
本文摘编自《Python自然语言处理实战:核心技术与算法》,经出版方授权发布。
延伸阅读《Python自然语言处理实战》
点击上图了解及购买
转载请联系微信:togo-maruko
推荐语:阿里巴巴、前明略数据和七牛云的高级专家和科学家撰写,零基础掌握NLP的核心技术、方法论和经典算法。
据统计,99%的大咖都完成了这个神操作
▼
更多精彩
在公众号后台对话框输入以下关键词
查看更多优质内容!
PPT | 报告 | 读书 | 书单
大数据 | 揭秘 | 人工智能 | AI
Python | 机器学习 | 深度学习 | 神经网络
可视化 | 区块链 | 干货 | 数学
猜你想看
白领体检异常率连年走高,这5本书教你怎样科学"养生"
跟着阿里大牛捞干货:2019这5本书带你玩转大数据
学AI哪家强?清华全球第1,Top5中有这3所中国高校
过去的2018年,400000粉丝用指尖投票,选出了这10本技术书
Q: 你在用NumPy吗?都用来做什么?
欢迎留言与大家分享
觉得不错,请把这篇文章分享给你的朋友
转载 / 投稿请联系:baiyu@hzbook.com
更多精彩,请在后台点击“历史文章”查看
点击阅读原文,了解更多
NumPy入门攻略:手把手带你玩转这款强大的数据分析和计算工具相关推荐
- 手把手带你玩转需求预测-需求预测方法介绍
系列文章目录 手把手带你玩转需求预测 文章目录 系列文章目录 前言 时序预测算法类型 第一代:统计时序预测算法 第二代:经典机器学习方法 第三代:深度学习预测算法 总结 前言 预测算法的本质是从历史数 ...
- 手把手带你玩转Spark机器学习-使用Spark构建回归模型
系列文章目录 手把手带你玩转Spark机器学习-专栏介绍 手把手带你玩转Spark机器学习-问题汇总 手把手带你玩转Spark机器学习-Spark的安装及使用 手把手带你玩转Spark机器学习-使用S ...
- 手把手带你玩转Spark机器学习-使用Spark进行数据处理和数据转换
系列文章目录 手把手带你玩转Spark机器学习-专栏介绍 手把手带你玩转Spark机器学习-问题汇总 手把手带你玩转Spark机器学习-Spark的安装及使用 手把手带你玩转Spark机器学习-使用S ...
- 群晖nas介绍文档_手把手带你玩转NAS 篇八:NAS文档随身带——多终端文件同步介绍(群晖drive篇)...
手把手带你玩转NAS 篇八:NAS文档随身带--多终端文件同步介绍(群晖drive篇) 2020-01-08 15:23:44 24点赞 214收藏 31评论 你是AMD Yes党?还是intel和N ...
- ac2100 反弹shell无法粘贴_手把手带你玩转NAS 篇二十一:小米Redmi AC2100路由器刷机padavan保姆级教程...
手把手带你玩转NAS 篇二十一:小米Redmi AC2100路由器刷机padavan保姆级教程 2020-05-14 18:49:24 224点赞 1790收藏 241评论 你是AMD Yes党?还是 ...
- 【三万字保姆级教程】手把手带你玩转Midjourney AI绘画
文章目录 前言 课程介绍 1.1 课程目标和学员对象 课程目标 学员对象 1.2 课程内容概述 1.3 AI绘画的概念和发展 总结 前言 如上图所示,想要学习创作美丽.复杂的艺术作品吗? Midjou ...
- 威联通nas怎么更换大硬盘_手把手带你玩转NAS 篇一:无损转移硬盘数据(威联通篇)TS-453Bmini...
手把手带你玩转NAS 篇一:无损转移硬盘数据(威联通篇)TS-453Bmini 2019-12-15 11:00:00 51点赞 694收藏 72评论 你是AMD Yes党?还是intel和NVIDI ...
- 手把手带你玩转Spark机器学习-使用Spark进行数据降维
系列文章目录 手把手带你玩转Spark机器学习-专栏介绍 手把手带你玩转Spark机器学习-问题汇总 手把手带你玩转Spark机器学习-Spark的安装及使用 手把手带你玩转Spark机器学习-使用S ...
- 手把手带你玩转 Ubuntu,你学废了么?
前言 我们在工作或学习过程中,有许多时候会接触到 Linux,然后便想要自己亲自试试这个系统,但苦于没有系统学习过,所以想要打造自己的工作环境难免会遇到许多困难.为了防止大家踩我踩过的坑,才有了这篇博 ...
最新文章
- windows 连Linux,Windows下访问Linux资源
- Oracle回应用户锁定,自治数据库是更好选择
- 实现if_如何解决开发中 if...esle 代码过多的问题,强烈推荐!
- c# 连接Redis报错:WRONGTYPE Operation against a key holding the wrong kind of value:类型搞混弄出的错误...
- 七、Linux 常用 Shell 命令,控制台的快捷键以及 Shell 编程(上)
- 基于 Egg.js 框架的 Node.js 服务构建之用户管理设计
- 数据结构与算法--查找与排序另类用法-旋转数组中的最小数字
- php实现注册登陆验证
- Java小白零基础学习如何突破自己的方法
- 在Visual Studio中使用T4 Templates 生成代码
- 国家级精品课程计算机程序设计,国家级精品课程
- linux cpu mysql_Linux 指定MySQL服务运行的CPU核心(数)
- OLS和GWR模型部分参数解释
- 微软 补丁 服务器,2003到2016各版服务器操作系统ms17-010补丁直链地址
- julia安装源_Ubuntu下安装Julia
- CFAR检测MATLAB仿真
- 暗黑复制服务器物品,暗黑2战网环境下复制dupe物品装备
- matlab:正态分布的概率密度图形
- 制作目标在背景中具有移动效果的视频
- safari遮罩无效
热门文章
- HTTP之Cookie和Session(C++ Qt框架实现)
- 反汇编基础-寄存器及内存
- C++学习笔记-windows底层粗略认识
- php导出csv带图片,PHP导出CSV文件:刚测试过,这个导出CSV可以
- ue4显示变量_UE4:快速入门蓝图(Blueprint)的方法之一
- 跟幼师谈恋爱什么梗_和懂你的人谈恋爱,比“秋天的第一杯奶茶”要甜
- 数据结构之树和二叉树的定义和性质
- Linux 压缩与解压
- Java 线程实例一(查看线程是否存活、获取当前线程名称、状态监测、线程优先级设置、死锁及解决方法、获取线程id、线程挂起)
- Python动态导入模块、类