成都网站建设设计

将想法与焦点和您一起共享

不可不学Numpy,带你快速撸Numpy代码,(Python学习教程)一遍过

我们一起来学习Python数据分析的工具学习阶段,包括 Numpy, Pandas以及 Matplotlib,它们是python进行科学计算,数据处理以及可视化的重要库,在以后的数据分析路上会经常用到,所以一定要掌握,并且还要熟练!今天的 Python学习教程先从Numpy开始!

成都创新互联专业为企业提供四川网站建设、四川做网站、四川网站设计、四川网站制作等企业网站建设、网页设计与制作、四川企业网站模板建站服务,十年四川做网站经验,不只是建网站,更提供有价值的思路和整体网络服务。

本文目标

  • 初识Numpy
  • ndarray的增删改查
  • ndarray切片与筛选
  • ndarray运算与排序

NumPy 简介

NumPy 是 Numerical Python 的简称,它是 Python 中的科学计算基本软件包。NumPy 为 Python 提供了大量数学库,使我们能够高效地进行数字计算。更多可点击Numpy官网查看。

其实在前面的 Python学习教程中就有跟大家讲过 Numpy!

关于Numpy需要知道的几点:

  • NumPy 数组在创建时有 固定的大小,不同于Python列表(可以 动态增长)。 更改ndarray的大小将创建一个新的数组并删除原始数据。
  • NumPy 数组中的元素都需要具有 相同的数据类型,因此在存储器中将具有相同的大小。数组的元素如果也是数组(可以是 Python 的原生 array,也可以是 ndarray)的情况下,则构成了多维数组。
  • NumPy 数组便于对大量数据进行高级数学和其他类型的操作。 通常,这样的操作比使用Python的内置序列可能更有效和更少的代码执行。

所以,Numpy 的核心是ndarray对象,这个对象封装了同质数据类型的n维数组。起名ndarray 的原因就是因为是 n-dimension-array 的简写。接下来本节所有的课程都是围绕着ndarray来讲的,理论知识较少,代码量较多,所以大家在学习的时候,多自己动动手,尝试自己去运行一下代码。

不可不学Numpy,带你快速撸Numpy代码,(Python学习教程)一遍过

创建ndarray

  • 由python list创建
  • 由numpy内置函数创建

访问、删除、增加ndarray中的元素

这里主要是提供了一些访问、更改或增加ndarray中某一元素的基础方法。

访问&更改

类似于访问python list中元素的方式,按照元素的index进行访问或更改。

删除

可使用np.delete(ndarray, elements, axis)函数进行删除操作。

这里需要注意的是axis这个参数,在2维数据中,axis = 0表示选择行,axis = 1表示选择列,但不能机械的认为0就表示行,1就表示列,注意前提 2维数据中。

在三维数据中,axis = 0表示组,1表示行,2表示列。这是为什么呢?提示一下,三位数组的shape中组、行和列是怎样排序的?

所以,axis的赋值一定要考虑数组的shape。

再有一点需要注意的是,如果你想让原数据保留删除后的结果,需要重新赋值一下才可以。

增加

往ndarray中增加元素的办法跟python list也很类似,常用的有两种:

  • 一种是添加(append),就是将新增的元素添加到ndarray的尾部
  • 语法为:np.append(ndarray, elements, axis)
  • 参数和delete函数一致,用法也一致,这里不再赘述
  • 一种是插入(insert),可以让新增元素插入到指定位置
  • 语法为:np.insert(ndarray, index, elements, axis)
  • 参数中就多了一个index,指示的是插入新元素的位置。

这里值得注意的是,不论是append还是insert,在往多维数组中插入元素时,一定要注意对应axis上的shape要一致。再一个就是,和delete一样,如果你想要更改原数据,需要重新赋值。

切片和筛选

ndarray切片

前面学了选择ndarray中的某个元素的方法,这里我们学习获取ndarray子集的方法——切片。

对于切片大家并不陌生,在list里面我们也接触过切片,一维的ndarray切片与list无异。需要注意的是,就是理解2维及多维ndarray切片。

  • 2维矩阵切片

这里可以看出,我们筛选了a矩阵中前三列的所有行,这是如何实现的呢?

切片的第一个元素:表示的是选择所有行,第二个元素:-1表示的是从第0列至最后一列(不包含),所以结果如上所示。

再看一个例子:

筛选的是第2-3行的所有列。

  • 一个常用的切片

以列的形式获取最后一列数据:

以一维数组的形式获取最后一列数据:

上面两种方法经常会用到,前者的shape为(4,1),后者为(4,)。

ndarray筛选

  • 选择ndarray的对角线

所用函数为np.diag(ndarray, k=N),其中参数k的取值决定了按照哪一条对角线选择数据。

默认k = 0,取主对角线;

k = 1时,取主对角线上面1行的元素;

k = -1时,取主对角线下面1行的元素。

思考:这个函数只能选择主对角线上的元素,那如果想要获取副对角线上的元素呢?

尝试自己搜索一下关键词numpy opposite diagonal寻找答案。

不建议你直接点getting the opposite diagonal of a numpy array。

  • 提取ndarray中的唯一值

所用函数为np.unique(ndarray),注意unique也可以添加参数axis来控制评判唯一值的轴方向,不好理解可以看示例:

  • 通过布尔运算筛选

这里在中括号中添加筛选条件,当该条件的结果为True时(即满足条件时),返回该值。

这里需要注意的是,当输入多个筛选条件时,&表示与,|表示或,~表示非。

运算与排序

ndarray运算

  • 集合运算
  • 算术运算

我们可以通过+、-、*、/或np.add、np.substract、np.multiply 、np.divide来对两个矩阵进行元素级的加减乘除运算,因为是元素级的运算,所以两个矩阵的shape必须要一致或者是可广播(Broadcast)。

这里所谓的可广播,就是指虽然A和B两个矩阵的shape不一致,但是A可以拆分为整数个与B具有相同shape的矩阵,这样在进行元素级别的运算时,就会先将A进行拆分,然后与B进行运算,结果再组合一起就可以。这里的A就是“可广播”矩阵。

上面涉及到的乘法是元素对应相乘,也就是点乘,那矩阵的叉乘呢?可以了解下numpy.matmul函数。

ndarray排序

我们使用np.sort()和ndarray.sort()来对ndarray进行排序。

相同的是:

二者都可以使用参数axis来决定依照哪个轴进行排序,axis = 0时按照列排序,axis = 1时按照行排序;

不同的是:

np.sort()不会更改原数组;ndarray.sort()会更改原数组。

更多的 Python学习教程会继续为大家更新!大家哪里有不清楚的地方可以留言或者私信!


新闻名称:不可不学Numpy,带你快速撸Numpy代码,(Python学习教程)一遍过
文章分享:http://chengdu.cdxwcx.cn/article/jdcsch.html