跳到主要内容

Numpy使用教程（一）

· 阅读需 6 分钟

术语​

axis

对于二维数组，垂直为轴0，水平为轴1。许多操作可以沿着一个轴进行。

>>> x = np.arange(12).reshape(3,4)
>>> x
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])
>>> x.sum(axis=0)
array([12, 15, 18, 21])
>>> x.sum(axis=1)
array([ 6, 22, 38])

broadcast

Numpy可以对形状不匹配的数组执行操作

>>> np.array([2,3])+1
array([3, 4])
>>> np.array([[2,3]])+1
array([[3, 4]])
>>> np.array([[2,3]])+np.array([1,2])
array([[3, 5]])
>>> np.array([[2],[3]])+np.array([1,2])
array([[3, 4],
       [4, 5]])

这个机制在便捷的同时可能会出现意料之外的结果，因此shape不确定时建议先reshape。

mask

布尔数组，用于选取元素

>>> x = np.arange(5)
>>> x
array([0, 1, 2, 3, 4])
>>> mask = (x > 2)
>>> mask
array([False, False, False, True,  True], dtype=bool)
>>> x[mask] = -1
>>> x
array([ 0,  1,  2,  -1, -1])

数值类型​

numpy 支持丰富的数值类型。

在数组里可以使用dtype=参数来指定数值类型。

使用.astype()方法进行数值类型转换，使用.dtype查看dtype属性。

多维数组的创建​

【参数说明】

order：{'C'，'F'}，以行(C)或列(F)为主顺序。

创建ndarray的方法：

从列表、元组等转换

使用np.array将列表或元组转换为ndarray数组

使用np原生方法创建

  • arange在指定区间内创建一系列均匀间隔的值
  • linspace在指定区间内返回间隔均匀的值
  • ones用于快速创建数值全部为1的多维数组
  • zeros用于快速创建数值全部为0的多维数组
  • eye用于创建一个二维数组，其特点是k对角线上的值为1，其余值全为0
numpy.arange(start, stop, step, dtype=None)
numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
numpy.ones(shape, dtype=None, order='C')
numpy.zeros(shape, dtype=None, order='C')
numpy.eye(N, M=None, k=0, dtype=<type 'float'>)

从已知数据创建

fromfile:从文本或二进制文件中构建多维数组

frombuffer, fromfunction, fromiter, fromstring等

多维数组的属性​

T：数组的转置，同.transpose()

dtype：包含元素的数据类型

imag: 元素的虚部

rear: 元素的实部

size: 元素数

itemsize: 一个数组元素的字节数

nbytes: 元素总字节数

ndim: 数组的尺寸

shape: 数组维数组

数组的基本操作​

reshape

numpy.reshape() 等效于 ndarray.reshape()。

numpy.reshape(a, newshape)

重设形状, newshape为整数或元组。

ravel

numpy.ravel(a, order='C')

将数组扁平化，变为一维数组。

moveaxis

numpy.moveaxis(a, source, destination)

轴移动，可以将数组的轴移动到新的位置。

swapaxes

numpy.swapaxes(a, axis1, axis2)

轴交换与轴移动的效果可以通过查看操作前后的shape变化来理解。

transpose

numpy.transpose(a, axis=None)

类似于矩阵的转置。axis有值时替换轴。

atleast_xd

numpy.atleast_1d()
numpy.atleast_2d()
numpy.atleast_3d()

维度改变，支持将输入数据直接视为x维。

类型转换

  • asarray(a，dtype，order)：将特定输入转换为数组。
  • asanyarray(a，dtype，order)：将特定输入转换为 ndarray。
  • asmatrix(data，dtype)：将特定输入转换为矩阵。
  • asfarray(a，dtype)：将特定输入转换为 float类型的数组。
  • asarray_chkfinite(a，dtype，order)：将特定输入转换为数组，检查 NaN 或 infs。
  • asscalar(a)：将大小为 1 的数组转换为标量。

concatenate

numpy.concatenate((a1, a2, ...), axis=0)

数组连接。axis：指定连接轴。

堆叠

  • stack(arrays，axis)：沿着新轴连接数组的序列。
  • column_stack()：将 1 维数组作为列堆叠到 2 维数组中。
  • hstack()：按水平方向堆叠数组。
  • vstack()：按垂直方向堆叠数组。
  • dstack()：按深度方向堆叠数组。

拆分

  • split(ary，indices_or_sections，axis)：将数组拆分为多个子数组。
  • dsplit(ary，indices_or_sections)：按深度方向将数组拆分成多个子数组。
  • hsplit(ary，indices_or_sections)：按水平方向将数组拆分成多个子数组。
  • vsplit(ary，indices_or_sections)：按垂直方向将数组拆分成多个子数组。

delete

numpy.delete(arr，obj，axis)

沿特定轴删除数组中的子数组。

insert

numpy.insert(arr，obj，values，axis)

依据索引在特定轴之前插入值。

append

numpy.append(arr，values，axis)

将值附加到数组的末尾，并返回 1 维数组。

resize

numpy.resize(a，new_shape)

对数组尺寸进行重新设定。

【resize和reshape的区别】

reshape 在改变形状时，不会影响原数组，相当于对原数组做了一份拷贝。而 resize 则是对原数组执行操作。

翻转数组

  • fliplr(m)：左右翻转数组。
  • flipud(m)：上下翻转数组。