前言

大家好！我是初心，本期給大家?guī)淼氖恰尽綨umPy系列】基本操作 - 一。
作者的【 Python 數(shù)據(jù)分析】專欄正在火熱更新中，如果本文對您有幫助，歡迎大家點贊 + 評論 + 收藏 ！

每日金句分享：選擇你所喜歡的，愛你所選擇的?！弧?托爾斯泰「托爾斯泰。

一、NumPy介紹

NumPy( Numerical Python) 是 Python 語言的一個擴展程序庫，支持大量的維度數(shù)組與矩陣運算，此外也針對數(shù)組運算提供大量的數(shù)學(xué)函數(shù)庫。

1.1 導(dǎo)入NumPy庫

導(dǎo)入 NumPy 庫是我們的第一步準備工作。在此，還一并導(dǎo)入了以后會用到的 Pandas 庫、 MatplotLib 庫的 pyplot 模塊。

# 導(dǎo)入數(shù)據(jù)分析 ‘三劍客’
import numpy as np
import pandas as pd
from matplotlib import pyplot as plt

1.2 查看NumPy版本

# 注意左右都是雙下劃線 ~ ~
np.__version__

1.3 讀取圖片返回NumPy數(shù)組

通過 pyplot 讀取到的圖片，返回的就是一個 NumPy 數(shù)組。

這是我事先準備好的一張圖片 —— tangsan.jpg：

接下來通過 plt 對象讀?。?/p>

n = plt.imread('pic\\tangsan.jpg')
n

輸出過多，這里只展示首尾：

查看數(shù)組形狀：

n.shape

再次顯示圖片：

plt.imshow(n)

二、創(chuàng)建NumPy數(shù)組的十二種方式

2.1 array 和 full

array 函數(shù)用法：numpy.array(object, dtype=None)，object 可以為單個值、元組、列表、多維可迭代對象等可迭代對象，作用是創(chuàng)建數(shù)組。

list_one = [1,2,3,4]
# 列表創(chuàng)建
n1 = np.array(list_one)
tuple_one = (1,3,2)
# 元組創(chuàng)建
n2 = np.array(tuple_one,dtype=np.int16)
display(n1,n2)

下面是運行結(jié)果：

full 函數(shù)用法：numpy.full(shape, fill_value, dtype=None)，shape 是數(shù)組形狀（可以理解為幾維幾列，一般以元組形式給出），fill_value 是填充的值，dtype 是類型，作用是創(chuàng)建一個值全為同一個的數(shù)組。

# 創(chuàng)建一個二維三列的數(shù)組
n2 = np.full(shape=(2,3),fill_value=1,dtype=np.int16)
n2

2.2 zeros 和 ones

zeros 函數(shù)用法：zeros(shape, dtype=float, order=‘C’)，返回一個給定形狀和類型的用0填充的數(shù)組。

n3 = np.zeros((3,3))
n3

ones 函數(shù)用法：np.ones(shape, dtype=None, order=‘C’)，返回一個指定形狀和類型的用1填充的數(shù)組。

n4 = np.ones((3,2),dtype=np.float)
n4

2.3 隨機數(shù)數(shù)組

randint 函數(shù)用法：randint(low, high=None, size=None, dtype=‘l’)，low 為隨機數(shù)最小值，high 為最大值（取不到），size 在這里等價于 shape ，返回一個指定維度且元素位于 low~high 之間的隨機數(shù)組。

n5 = np.random.randint(1,10,(3,4))
n5

random 函數(shù)用法：random(size)，size 等價于 shape ，為行列數(shù)，返回一個0~1之間指定形狀的數(shù)組。

n6 = np.random.random((4,2))
n6

rand 函數(shù)用法：rand(d0, d1, …, dn)，d0，d1，dn 分別表示1~n個維度的維數(shù)，返回一個0-1之間指定維度的數(shù)組，區(qū)別于 random 的是，這個函數(shù)傳參不能傳入帶 （）的元組。

n7 = np.random.rand(3,3)
n7

2.4 服從正態(tài)分布的數(shù)組

randn() 函數(shù)用法：randn(d0, d1, …, dn)，創(chuàng)建一個服從標準正態(tài)分布（X ~ N（0，1））的多維數(shù)組。也就是說，產(chǎn)生的數(shù)據(jù)大部分生成在0左右。

n8 = np.random.randn(2,3)
n8

normal()函數(shù)用法：normal(loc=0.0, scale=1.0, size=None)，loc 表示均值，scale 表示標準差，size等價于 shape ，創(chuàng)建一個服從正態(tài)分布的多維數(shù)組。

n9 = np.random.normal(1,2,(2,3))
n9

2.5 arrange 和 eye、linspace

eye()函數(shù)用法：np.eye(N, M=None, k=0, dtype=<class ‘float’>, order=‘C’)，N 是行數(shù)，M 是列數(shù)，K 是偏移量，創(chuàng)建一個單位矩陣數(shù)組。

n10 = np.eye(5,5)
n10

linspace()函數(shù)用法：np.linspace(start,stop,num)，創(chuàng)建一個包含 num 個數(shù)的等差數(shù)列，公差 d 等于多少由系統(tǒng)計算。

n11 = np.linspace(1,20,3)
n11

arrange()函數(shù)用法：arange([start,] stop[, step,], dtype=None)，start 為起始數(shù)，stop 為結(jié)束數(shù)，創(chuàng)建一個連續(xù)的一維數(shù)組。

n12 = np.arange(1,10,dtype=np.int16)
n12

三、ndarray屬性

維度：ndim ，直接返回維度數(shù)
形狀：shape，數(shù)字有幾個就表示幾維數(shù)組
總長度：size，返回總數(shù)據(jù)量
元素類型：dtype

n1 = np.random.randint(1,10,(3,5))
display(n1)
print("維度：%d，形狀：%s，總長度：%s，元素類型：%s"%(n1.ndim,n1.shape,n1.size,n1.dtype))

四、ndarray基本操作

4.1 索引

在 ndarray 數(shù)組中，索引的使用有兩種等價方式，即 n [M，N] = n [M][N]，M表示第一個維度，N表示第二個維度，若不止二維，以此類推，n[M，N，P，……]。

n1 = np.random.randint(1,10,(3,5))
print(n1)
print("n1[2,3]=%s,n1[2][3]=%s"%(n1[2,3],n1[2][3]))

4.2 切片

切片包括行、列切片，可以實現(xiàn)取連續(xù)或不連續(xù)的行或列，也可以復(fù)制、翻轉(zhuǎn)數(shù)組，如果是：, 的寫法，表示第一個維度全取，并且，切片操作都是左閉右開。

一維數(shù)組

• <1> 一個參數(shù)：a[i]，返回一個數(shù)
• <2> 兩個參數(shù)：a[start:stop]，對數(shù)組進行切片
• <3>三個參數(shù)：a[start,stop,step]，對數(shù)組進行切片，step 為步長，當(dāng) step = -1 時表示翻轉(zhuǎn)。

二維數(shù)組

• <1> 取元素：a[i，j]，返回第 i 行的第 j 個數(shù)
• <2> 切片：a[xi:xj，yi:yj]，返回第 xi ~ xj 行的第 yi ~ yj 列，兩個維度都是左閉右開。
• <3> 切片特殊情況：左邊從0開始可以省略，右邊到結(jié)尾可以省略，即 X[:e0,s1:e1] ，表示第1維從第1行開始到第 e0 行；X[s0:,s1:e1]，表示從第 s0 行到最后一行。

常用的切片操作如下所示（以二維數(shù)組為例，n1 數(shù)組就是4.1索引中創(chuàng)建的），具體運行結(jié)果，這里不再展示。

print(n1[1:]) # 行切片,取第二行到最后一行
print(n1[:,2:]) # 列切片,取第三列到最后一列
print(n1[:]) # 復(fù)制數(shù)組
print(n1[[0,2]]) # 取不連續(xù)的行，用兩個括號
print(n1[:,[0,2]])# 取不連續(xù)的列
print(n1[::-1]) # 行翻轉(zhuǎn)
print(n1[:,::-1]) # 列翻轉(zhuǎn)
print(n1[::-1,::-1]) # 行列都翻轉(zhuǎn)

如果對某些切片操作有疑問，歡迎大家聯(lián)系我，文末附聯(lián)系方式，我看到后一定會第一時間為大家解答的。

五、實例 - 圖片翻轉(zhuǎn)

我們依舊采用 1.3 中的 tangsan.jpg 圖片，通過對 ndarray 數(shù)據(jù)切片實現(xiàn)圖片翻轉(zhuǎn)效果，這里只展示上下翻轉(zhuǎn)的效果，大家也可以換圖片嘗試。

# 讀取圖片
nd = plt.imread('pic/tangsan.jpg')
# 顯示原圖
plt.imshow(nd)

# 上下翻轉(zhuǎn)，通過改變 nd 數(shù)組，將縱軸翻轉(zhuǎn),也就是橫軸逆序?qū)崿F(xiàn)
plt.imshow(nd[::-1])

plt.imshow(nd[:,::-1]) # 左右翻轉(zhuǎn)

六、變形

通過 reshape 函數(shù)，我們可以改變數(shù)組的形狀，或者說維度，注意改變后需要重新賦值給數(shù)組。

首先創(chuàng)建好如下的數(shù)組：

n1 = np.array([
    [3,5],
    [4,2],
    [2,3]
])
n1

然后改變形狀：

n1.reshape((6,1))

讓行或列自適應(yīng)，通過維數(shù)寫 - 1 實現(xiàn)：

n1.reshape((2,-1)) # 行數(shù)為2，列數(shù)自適應(yīng)

n1.reshape(-1,2) # 列數(shù)為2，行數(shù)自適應(yīng)

七、合并與拆分

7.1 合并

concatenate 函數(shù)用法：concatenate((a1, a2, …), axis=0, out=None)，a1，a2 表示數(shù)組，axis 表示軸，值為0表示橫向合并，值為1表示縱向合并。

n1 = n1.reshape((2,3))
n2 = np.random.randint(0,10,(2,3))
display(n1,n2)
n3 = np.concatenate((n1,n2),axis=0) # 行合并
n4 = np.concatenate((n1,n2),axis=1) # 列合并
display(n3,n4)

此外，還可以使用 hstack 函數(shù)和 vstack 函數(shù)單獨實現(xiàn)水平合并和垂直合并。相比，concatenate 函數(shù)會更方便些。

n2 = np.random.randint(0,10,(2,3))
n1 = np.random.randint(0,10,(2,3))
display(n1,n2)
n3 = np.hstack((n1,n2)) # 水平合并
n4 = np.vstack((n1,n2)) # 垂直合并
display(n3,n4)

7.2 拆分

split 函數(shù)用法：np.split(ary, indices_or_sections, axis=0)，ary：要切分的數(shù)組，indices_or_sections：填入一個整數(shù)或者一個可迭代對象，如果是整數(shù)，就切分為整數(shù)個子數(shù)組；如果是可迭代對象，就在該索引位置切分。

將數(shù)組進行拆分為多個數(shù)組，通過 axis （軸），可以控制水平或垂直拆分，具體請看下面的示例。

n3 = n3.reshape((6,2))
display(n3) # 1.查看 n3 數(shù)組
n5 = np.split(n3,2,axis=0) # 橫向切分，均分為2部分
n6 = np.split(n3,1,axis=1) # 縱向切分，均分為1部分
print(n5)
print(n6)
n7 = np.split(n3,[1,3],axis=0) # 在索引為 0 和 3 處切分，切分為3部分
print(n7)

運行結(jié)果：

和合并一樣，也有單獨進行水平拆分和垂直拆分的方法，分別是：hsplit 和 vsplit ，函數(shù)用法參數(shù)都是 np.hsplit(ary, indices_or_sections) ，具體用法這里不再展示。

八、數(shù)組拷貝

使用 copy 函數(shù)創(chuàng)建一個數(shù)組的副本。

n4 = np.copy(n3) # 數(shù)組拷貝

結(jié)語

本期跟大家分享的 “芝士” 就到此結(jié)束了，關(guān)于 NumPy 的基本操作，你學(xué)會了嗎？

?? 好啦，這就是今天要分享給大家的全部內(nèi)容了，我們下期再見！ ?
?? 如果你喜歡的話，就不要吝惜你的一鍵三連了~ ??

如果文中有些地方不清楚的話，歡迎聯(lián)系我，我會給大家提供思路及解答。文章來源地址http://www.zghlxwxcb.cn/news/detail-548356.html

相關(guān)導(dǎo)讀

到了這里，關(guān)于【數(shù)據(jù)分析 - 基礎(chǔ)入門之NumPy④】NumPy基本操作 - 一的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！