w3school學習筆記3(NumPy)

系列文章目錄

文章目錄

系列文章目錄
前言
一、NumPy簡介
二、NumPy入門
三、NumPy創建
四、NumPy數組索引
五、NumPy數組裁切
六、NumPy數據類型
七、NumPy副本/視圖
八、NumPy數據形狀
九、NumPy數組重塑
十、NumPy數組迭代
總結

前言

一、NumPy簡介

1、什么是Numpy？
NumPy是用于處理數組的python庫。它還擁有在線性代數，傅里葉變換和矩陣領域中工作的函數。
2、為什么使用Numpy？
在python中，我沒有滿足數組功能的列表，但是處理起來很慢，Numpy旨在提供一個比傳統python列表快50倍的數組對象。NumPy中的數組對象稱為ndarray，它提供了許多支持函數，使得利用ndarray非常容易。數組在數據科學中非常常用，因為速度和資源非常重要。
注釋：
1、ndarray(對象，多維數組)
2、數據科學：計算機科學的一個分支，研究如何存儲，使用和分析數據從中獲取信息。
3、為什么Numpy比列表快？
與列表不同，NumPy數組存儲在內存中的一個連續位置，因此進程可以非常有效的訪問和操縱它們，這種行為在計算機科學中稱為引用的局部性。這是NumPy比列表快的主要原因，它還經過了優化，可與最新的CPU體系結構一同使用。
4、Numpy用哪種語言編寫？
NumPy是一個python庫，部分用python編寫，但是大多數需要快速計算的部分都是用C或C++編寫的。
5、Numpy代碼庫在哪里？
NumPy的源代碼位于github資料庫中：NumPy
github:使得許多人可以在同一個代碼庫上工作。

二、NumPy入門

1、安裝Numpy

pip install numpy #如果此命令失敗，可以使用安裝了numpy的python發行版

2、導入Numpy

import numpy

示例：

import numpy
arr = numpy.array([1,2,3,4,5])
print(arr)

Result：

[1 2 3 4 5]

3、Numpy as np
numpy通常以np別名導入

import numpy as np

示例：

import numpy as np
arr = numpy.array([1,2,3,4,5])
print(arr)

4、檢查Numpy版本

import numpy as np 
print(np.__version__)

Result：

1.21.5

三、NumPy創建

1、創建Numpy ndarray對象

numpy用于處理數組，numpy中的數組稱為ndarray，我們可以使用array()函數創建一個numpy ndarray對象。

import numpy as np
arr = np.array([1,2,3,4,5])
print(arr)
print(type(arr))

Result：

[1 2 3 4 5]
<class 'numpy.ndarray'>

備注：type():這個內置的python函數告訴我們傳遞給它的對象的類型，它表明arr是numpy.ndarray類型。要創建ndarray，我們可以將列表、元組或任何類似數組的對象傳遞給array()方法，然后它將被轉換為ndarray。

示例：使用元組創建numpy數組

import numpy as np
arr = np.array((1,2,3,4,5))
print(arr)

Result：

[1 2 3 4 5]

數組中的維
數組中的維是數組的維度(嵌套數組)的一個級別。
嵌套數組：指的是將數組作為元素的數組。

0-D數組
0-D數組，或標量(Scalars)，是數組中的元素，數組中的每個值都是一個0-D數組。

示例：用60創建0-D數組

import numpy as np
arr = np.array(60)
print(arr)

Result：

1-D數組
其元素為0-D數組的數組，稱為一維或1-D數組。
示例：創建包含1,2,3,4,5,6的一維數組

import numpy as np
arr = np.array([1,2,3,4,5])
print(arr)

Result：

[1 2 3 4 5]

2-D數組
其元素為1-D數組的數組，稱為2-D數組，它們通常用于表示矩陣或二階張量，Numpy有一個專門用于矩陣運算的完整子模塊numpy.mat。
示例：創建包含值1、2、3；4、5、6兩個數組的2-D數組

import numpy as np
arr = np.array([[1,2,3],[4,5,6]])
print(arr)

Result：

[[1 2 3][4 5 6]]

3-D數組
示例：用兩個2-D數組創建一個3-D數組

import numpy as np
arr2 = np.array([[[1,2,3],[4,5,6]],[[7,8,9],[10,11,12]]])
print(arr)

Result：

[[[ 1  2  3][ 4  5  6]][[ 7  8  9][10 11 12]]]

檢查維數？
NumPy數組提供了ndim屬性，該屬性返回一個整數，該整數提供了維數。

import numpy as np
arr = np.array(60)
arr0 = np.array([1,2,3,4,5,6])
arr1 = np.array([[1,2,3],[4,5,6]])
arr2 = np.array([[[1,2,3],[4,5,6]],[[7,8,9],[10,11,12]]])
print(arr.ndim)
print(arr0.ndim)
print(arr1.ndim)
print(arr2.ndim)

Result：

更高維數組
數組可以擁有任意維數的維，可以用ndmin參數定義維數
示例：創建5個維度的數組，并驗證

import numpy as np
arr = np.array([1,2,3,4],ndmin=5)
print(arr)
print('number of dimension :',arr.ndim)

Result：

[[[[[1 2 3 4]]]]]
number of dimension : 5

注釋：在此數組中，最里面的維度（第 5 個 dim）有 4 個元素，第 4 個 dim 有 1 個元素作為向量，第 3 個 dim 具有 1 個元素是與向量的矩陣，第 2 個 dim 有 1 個元素是 3D 數組，而第 1 個 dim 有 1 個元素，該元素是 4D 數組。

四、NumPy數組索引

訪問數組元素
數組索引等同于訪問數組元素，我們可以通過引用其索引號來訪問數組元素，Numpy數組的索引以0開頭，這意味著第一個元素索引為0，第二個索引為1；

import numpy as np
arr = np.array([1,2,3,4,5])
print(arr[0]) #獲取第一個元素
print(arr[1]) #獲取第二個元素
print(arr[2]+arr[3]) #獲取第三個和第四個元素并相加

Result：

1
2
7

訪問2-D數組元素
要訪問二維數組中的元素，我們可以使用逗號分隔的整數表示元素的維數和索引。

import numpy as np
arr = np.array([[1,2,3,4,5],[6,7,8,9,10]])
print('2nd element on 1st dim:',arr[0,1]) #訪問第一維中的第二個元素

Result：

訪問3-D數組元素

import numpy as np
arr = np.array([[[1,2,3],[4,5,6]],[[7,8,9],[10,11,12]]])
print(arr[0,1,2]) #訪問第一個數組的第二個數組的第三個元素

Result：

負索引
使用負索引從尾開始訪問數組

import numpy as np
arr = np.array([[[1,2,3],[4,5,6]],[[7,8,9],[10,11,12]]])
print(arr[0,1,-2]) #訪問第一個數組的第二個數組的第三個元素

Result：

五、NumPy數組裁切

python中裁切的意思就是將元素從一個給定的索引帶到另一個給定的索引；
裁切數組
我們像這樣傳遞切片而不是索引：[start:end]；
我們還可以定義步長：[start: end: step]；
如果我們不傳遞start，則將其視為0；
如果我們不傳遞end，則視為該維度內數組長度；
如果我們不傳遞step，則視為1；
示例：從下面數組中裁切索引為1到索引為5的元素

import numpy as np
arr = np.array([1,2,3,4,5,6])
print(arr[1:5])

Result：

[2 3 4 5]  #結果包含了開始索引，不包含結束索引

負裁切

import numpy as np
arr = np.array([1,2,3,4,5,6])
print(arr[-4:-1])

Result：

[3 4 5]  #結果包含了開始索引，不包含結束索引

step
示例一：用step值確定裁切的步長

import numpy as np
arr = np.array([1,2,3,4,5,6,7,8,9])
print(arr[1:7:2])

Result：

[2 4 6]  #結果包含了開始索引，不包含結束索引

示例二：返回數組中相隔的元素

import numpy as np
arr = np.array([1,2,3,4,5,6,7,8,9])
print(arr[::2])

Result：

[1 3 5 7 9]

裁切2-D數組
示例一：從第二個元素開始，對從索引1到索引4(不包括)進行切片

import numpy as np
arr = np.array([[1,2,3,4,5],[6,7,8,9,10]])
print(arr[1,1:4])

Result：

[7 8 9]

示例二：

import numpy as np
arr = np.array([[1,2,3,4,5],[6,7,8,9,10]])
print(arr[0:3,1:4])

Result：

[[2 3 4][7 8 9]]

六、NumPy數據類型

python中的數據類型

strings -用于表示文本數據，文本用引號引起來，例如：“abcd”；
integer -用于表示整數，例如：-1，-2，-3；
float -用于表示實數，例如：1.2，4.6；
boolean -用于表示True或False；
complex -用于表示復平面的數字，例如：1.0+2.4j；

NumPy中的數據類型
Numpy有一些額外的數據類型，并通過一個字符引用數據類型，例如，i代表整數，u代表無符號整數等；

i -整數
b -布爾
u -無符號整數
f -浮點
c -復合浮點數
m -timedelta
M -datetime
O -對象
S - 字符串
U - unicode 字符串
V -固定的其它類型的內存塊(void)

檢查數組的數據類型
numpy數組對象有一個名為dtype的屬性，該屬性返回數組的數據類型：

import numpy as np
arr = np.array([1,2,3,4,5])
arr1 = np.array(['windows','linux','mac','other'])
print(arr.dtype)
print(arr1.dtype)

Result：

int32
<U7

用已定義的數據類型創建數組
我們使用array()函數來創建數組，該函數可以使用可選參數：dtype，它允許我們自定義數組元素的預期數據類型：

import numpy as np
arr = np.array([1,2,3,4],dtype='S')
print(arr)
print(arr.dtype)

Result：

[b'1' b'2' b'3' b'4']
|S1

假如值無法轉換：
如果給出了不能強制轉換元素的類型，則Numpy將引發ValueError.
示例：無法將非整數字符串（比如’a’）轉換為整數

import numpy as np
arr = np.array(['a','1','2','3',dtype='i'])

Result：

  File ".\rumen2.py", line 87arr = np.array(['a','1','2','3',dtype='i'])^
SyntaxError: invalid syntax

轉換已有數組的數據類型
更改現有數組的數據類型的最佳方法，是使用astype()方法復制該數組。astype()函數創建數組的副本，并允許我們將數據類型指定為參數。數據類型可以使用字符串指定，例如’f’表示浮點數，'i’表示整數等，或者我們也可以直接使用數據類型，例如float&int.

import numpy as np
arr = np.array([1.1,2.1,3.1])
newarr = arr.astype('i')
print(newarr)
print(newarr.dtype)

Result：

[1 2 3]
int32

七、NumPy副本/視圖

NumPy數組副本vs視圖

副本和數組視圖之間的主要區別在于副本是一個新數組，而這個視圖只是原始數據的視圖。
副本擁有數據，對副本所做的任何更改都不會影響原始數組，對原始數組所做的任何更改也不會影響副本。
視圖不擁有數據，對視圖所做的任何更改會影響原始數組，而對原始數組所做的任何更改都會影響視圖。

示例：進行復制，更改原始數組并顯示兩個數組
該副本不應受到對原始數組所做更改的影響

import numpy as nparr = np.array([1, 2, 3, 4, 5])
x = arr.copy()
arr[0] = 61print(arr) 
print(x)

Result：

[61  2  3  4  5]
[1 2 3 4 5]

示例：創建試圖，更改原始數組，然后顯示兩個數組
試圖應該受到對原始數組所做更改的影響

import numpy as nparr = np.array([1, 2, 3, 4, 5])
x = arr.view()
arr[0] = 61print(arr) 
print(x)

Result：

[61  2  3  4  5]
[61  2  3  4  5]

檢查數組是否擁有數據
如上所述，副本擁有數據，而視圖不擁有數據，我們如何檢查？
每個NumPy數組都有一個屬性base，如果該數組擁有數據，則這個base屬性返回None.否則base屬性將引用原始對象。

import numpy as nparr = np.array([1, 2, 3, 4, 5])x = arr.copy()
y = arr.view()print(x.base)
print(y.base)

Result：

None   #副本返回None，視圖返回原始數組
[1 2 3 4 5]

八、NumPy數據形狀

數組的形狀：數組的形狀是每個維中元素的數量。
獲取數組的形狀
NumPy數組有一個名為shape的屬性，該屬性返回一個數組，每個索引具有相應元素的數量。
示例：打印2-D數組的形狀

import numpy as nparr = np.array([[1, 2, 3, 4], [5, 6, 7, 8]])print(arr.shape)

Result：

(2, 4)   #2個維，每個維4個元素

示例：利用ndmin使用值1,2,3,4，的向量創建有5個維度的數組，并驗證最后一個維度的值為4

import numpy as nparr = np.array([1, 2, 3, 4], ndmin=5)print(arr)
print('shape of array :', arr.shape)

Result：

[[[[[1 2 3 4]]]]]
shape of array : (1, 1, 1, 1, 4)

元組的形狀代表什么？
每個索引處的整數表明相應維度擁有的元素數量，上例中的索引4，我們的值為4，因此可以說第5個（4+1th）維度有4個元素。

九、NumPy數組重塑

數組重塑：意味著更改數組的形狀。數組的形狀是每個維中元素的數量。通過重塑我們可以添加或刪除維度或更改每個維度中的元素數量。
從1-D重塑為2-D
示例：將以下具有12個元素的1-D數組轉換為2-D數組。最外層的維度將有4個數組，每個數組包含3個元素。

import numpy as nparr = np.array([1, 2, 3, 4], ndmin=5)print(arr)
print('shape of array :', arr.shape)

Result：

[[[[[1 2 3 4]]]]]
shape of array : (1, 1, 1, 1, 4)

十、NumPy數組迭代

數組迭代意味著逐一遍歷元素，當我們在numpy中處理多維數組時，可以使用python的基本for循環來完成此操作。
實例一：迭代一維數組元素

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

實例一：迭代二維數組元素

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

總結

分享：
吾所謂鐘情者，是靈魂深處一種愛慕不可得已之情。由愛而慕、慕而達則為美滿姻緣，慕而不達，則衷心藏焉，若遠若近，若存若亡，而仍不失其為真情。此所謂愛情。