numpy 是一個python 庫，用于 python 編程中的科學(xué)計算。在本教程中，你將學(xué)習(xí)如何在 numpy 數(shù)組上以多種方式添加、刪除、排序和操作元素。
numpy 提供了一個多維數(shù)組對象和其他派生數(shù)組，例如掩碼數(shù)組和掩碼多維數(shù)組。
為什么要用 numpy
numpy 提供了一個 ndarray 對象，可以使用它來對任何維度的數(shù)組進(jìn)行操作。 ndarray 代表 n 維數(shù)組，其中 n 是任意數(shù)字。這意味著 numpy 數(shù)組可以是任何維度的。
與 python 的 list 相比，numpy 具有許多優(yōu)勢。我們可以在 numpy 陣列上執(zhí)行高性能操作，例如：
- 對數(shù)組成員進(jìn)行排序
- 數(shù)學(xué)和邏輯運算
- 輸入/輸出功能
- 統(tǒng)計和線性代數(shù)運算
安裝 numpy
要安裝numpy，你的電腦上要先有 python 和 pip。
在終端中運行以下命令：
|
1
|
pip install numpy |
然后你就可以在腳本中導(dǎo)入 numpy 了，如下所示：
|
1
|
import numpy |
添加數(shù)組元素
可以用 numpy 模塊的 append() 方法向 numpy 數(shù)組中添加元素。
append() 的語法如下：
|
1
|
numpy.append(array, value, axis) |
value 會被追加到在數(shù)組的末尾，并返回一個包含所有元素的 ndarray。
參數(shù) axis 是一個可選的整數(shù)，用于定義數(shù)組的顯示方式。如果沒有指定，則數(shù)組結(jié)構(gòu)將展平，稍后會演示用法。
以下示例，其中首先聲明數(shù)組，然后用 append 方法向數(shù)組添加更多的值：
|
1
2
3
4
5
|
import numpya = numpy.array([1, 2, 3])newarray = numpy.append (a, [10, 11, 12])print(newarray)# 輸出：[ 1 2 3 10 11 12] |
添加一列
也可以用numpy 的 append() 方法插入一列。
在下面的例子中，我們創(chuàng)建了一個二維數(shù)組并插入了兩列：
|
1
2
3
4
5
6
7
8
9
10
11
12
|
import numpya = numpy.array([[1, 2, 3], [4, 5, 6]]) b = numpy.array([[400], [800]])newarray = numpy.append(a, b, axis = 1)print(newarray)"""輸出：[[ 1 2 3 400] [ 4 5 6 800]]""" |
如果沒有使用 axis 參數(shù)，則會輸出：
[ 1 2 3 4 5 6 400 800]
這就是數(shù)組結(jié)構(gòu)的扁平化。
在 numpy 中，還可以用 insert() 方法插入元素或列。 兩者之間的區(qū)別在于 insert() 方法可以指定要在哪個索引處添加元素，但 append() 方法會在數(shù)組的末尾添加一個值。
consider the example below:
考慮以下示例：
|
1
2
3
4
5
|
import numpya = numpy.array([1, 2, 3])newarray = numpy.insert(a, 1, 90) print(newarray)# 輸出：[ 1 90 2 3] |
這里 insert() 方法在索引1處添加元素。在python中數(shù)組索引從0開始。
追加一行
也可以用 append() 方法向數(shù)組添加行，就像在數(shù)組中附加元素一樣簡單：
|
1
2
3
4
5
6
7
8
9
10
|
import numpya = numpy.array([[1, 2, 3], [4, 5, 6]])newarray = numpy.append(a, [[50, 60, 70]], axis = 0)print(newarray)"""輸出“[[ 1 2 3] [ 4 5 6] [50 60 70]]""" |
刪除元素
可以用 numpy 模塊的 delete() 方法刪除 numpy 數(shù)組元素：
|
1
2
3
4
5
|
import numpy a = numpy.array([1, 2, 3]) newarray = numpy.delete(a, 1, axis = 0) print(newarray)# 輸出：[1 3] |
在本例子中，我們有一個一維數(shù)組，用 delete() 方法從數(shù)組中刪除了索引 1 處的元素。
刪除一行
同樣，你也可以用 delete() 方法刪除行。
下面的例子中我們從二維數(shù)組中刪除了一行：
|
1
2
3
4
5
6
7
8
9
|
import numpy a = numpy.array([[1, 2, 3], [4, 5, 6], [10, 20, 30]]) newarray = numpy.delete(a, 1, axis = 0)print(newarray)"""輸出：[[ 1 2 3] [10 20 30]]""" |
在 delete() 方法中，首先給出數(shù)組，然后給出要刪除的元素的索引。在上例中，我們刪除了索引為 1 的元素。
檢查 numpy 數(shù)組是否為空
可以用 size 方法返回數(shù)組中元素的總數(shù)。
在下面的例子中有一個 if 語句，通過 ndarray.size 檢查數(shù)組中是否有元素，其中 ndarray 可以是任何給定的 numpy 數(shù)組：
|
1
2
3
4
5
6
7
8
|
import numpya = numpy.array([1, 2, 3]) if(a.size == 0): print("the given array is empty") else: print("the array = ", a)# 輸出：the array = [1 2 3] |
在上面的代碼中，數(shù)組中有三個元素，因此它不是空的，判斷條件將返回false。如果數(shù)組中沒有元素，則 if 條件會變?yōu)?true 并且將打印空消息。如果數(shù)組等于：
|
1
|
a = numpy.array([]) |
上述代碼將會輸出：
the given array is empty
查找值的索引
要查找值對應(yīng)的索引，可以用 numpy 模塊的 where() 方法，如下例所示：
|
1
2
3
4
|
import numpya = numpy.array([1, 2, 3, 4, 5])print("5 is found at index: ", numpy.where(a == 5))# 輸出：5 is found at index: (array([4]),) |
如果你只想得到索引，可以這樣寫：
|
1
2
3
4
5
6
|
import numpya = numpy.array([1, 2, 3, 4, 5]) index = numpy.where(a == 5)print("5 is found at index: ", index[0])#輸出： 5 is found at index: [4] |
numpy 數(shù)組切片
數(shù)組切片是從給定數(shù)組中提取子集的過程。你可以用冒號（ : ）運算符對數(shù)組進(jìn)行切片，并指定數(shù)組索引的開始和結(jié)束位置，例如：
|
1
|
array[from:to] |
下面的例子中提取從索引 2 到索引 5 的元素：
|
1
2
3
4
|
import numpya = numpy.array([1, 2, 3, 4, 5, 6, 7, 8])print("a subset of array a = ", a[2:5])# 輸出：a subset of array a = [3 4 5] |
如果想要提取最后三個元素，可以通過用負(fù)切片來完成操作，如下所示：
|
1
2
3
4
|
import numpya = numpy.array([1, 2, 3, 4, 5, 6, 7, 8])print("a subset of array a = ", a[-3:])# 輸出：a subset of array a = [6 7 8] |
將函數(shù)作用于所有數(shù)組元素
在下面的例子中，我們將創(chuàng)建一個 lambda 函數(shù)，并傳入一個數(shù)組，以其應(yīng)用于所有元素：
|
1
2
3
4
5
|
import numpyaddition = lambda x: x + 2a = numpy.array([1, 2, 3, 4, 5, 6])print("array after addition function: ", addition(a))# 輸出：array after addition function: [3 4 5 6 7 8] |
在此例中，創(chuàng)建了一個 lambda 函數(shù)，它使每個元素都遞增 2。
numpy 數(shù)組的長度
要得到 numpy 數(shù)組的長度，可以用 size 屬性，如下所示：
|
1
2
3
4
|
import numpy a = numpy.array([1, 2, 3, 4, 5, 6]) print("the size of array = ", a.size)# 輸出：the size of array = 6 |
從 list 創(chuàng)建 numpy 數(shù)組
假設(shè)你有一個列表：
l = [1, 2, 3, 4, 5]
現(xiàn)在要根據(jù)這個列表創(chuàng)建一個數(shù)組，可以用 numpy 模塊的 array() 方法：
|
1
2
3
4
5
|
import numpy l = [1, 2, 3, 4, 5] a = numpy.array(l) print("the numpy array from python list = ", a)# 輸出：the numpy array from python list = [1 2 3 4 5] |
同樣，使用 array() 方法，也可以從元組創(chuàng)建 numpy 數(shù)組。如下所示：
|
1
2
3
4
5
|
import numpyt = (1, 2, 3, 4, 5) a = numpy.array(t) print("the numpy array from python tuple = ", a)# 輸出：the numpy array from python tuple = [1 2 3 4 5] |
將 numpy 數(shù)組轉(zhuǎn)換為 list
要將數(shù)組轉(zhuǎn)換為list，可以使用 numpy 模塊的 tolist()方法。
|
1
2
3
4
|
import numpy a = numpy.array([1, 2, 3, 4, 5]) print("array to list = ", a.tolist())# 輸出：array to list = [1, 2, 3, 4, 5] |
在這段代碼中，我們簡單地調(diào)用了 tolist() 方法，該方法將數(shù)組轉(zhuǎn)換為列表。然后將新創(chuàng)建的列表打印到輸出屏幕。
把 numpy 數(shù)組導(dǎo)出為 csv
要將數(shù)組導(dǎo)出為 csv 文件，可以用 numpy 模塊的 savetxt() 方法，如下所示：
|
1
2
3
|
import numpy a = numpy.array([1, 2, 3, 4, 5]) numpy.savetxt("myarray.csv", a) |
此代碼將在 python 代碼文件所在路徑下生成 csv 文件。當(dāng)然你也可以指定路徑。
該文件的內(nèi)容如下：
1.000000000000000000e+00
2.000000000000000000e+00
3.000000000000000000e+00
4.000000000000000000e+00
5.000000000000000000e+00
你可以把額外填充的零刪除，如下所示：
|
1
|
numpy.savetxt("myarray.csv", a,fmt='%.2f') |
對 numpy 數(shù)組排序
可以用 numpy 模塊的 sort() 方法對 numpy 數(shù)組進(jìn)行排序：
sort() 函數(shù)有一個可選參數(shù) axis（整數(shù)），默認(rèn)為 -1。axis 指定我們要對數(shù)組進(jìn)行排序的軸。 -1 表示將根據(jù)最后一個軸對數(shù)組進(jìn)行排序。
|
1
2
3
4
|
import numpy a = numpy.array([16, 3, 2, 6, 8, 10, 1]) print("sorted array = ", numpy.sort(a))# 輸出：sorted array = [ 1 2 3 6 8 10 16] |
在這個例子中，我們在 print 語句中調(diào)用了 sort() 方法。數(shù)組 a 被傳遞給 sort 函數(shù)。
歸一化數(shù)組
歸一化數(shù)組是指將數(shù)組的值置于某個定義范圍的過程。例如，我們想要在 -1 和 1 之間對數(shù)組進(jìn)行歸一化，依此類推。
歸一化的公式如下：
x = (x – xmin) / (xmax – xmin)
現(xiàn)在把這個公式用于我們的數(shù)組。要查找數(shù)組中的最大和最小項，可以分別用 numpy 的 max() 和 min() 方法。
|
1
2
3
4
5
6
7
8
9
10
11
12
|
import numpy x= numpy.array([400, 800, 200, 700, 1000, 2000, 300]) xmax = x.max() xmin = x.min() x = (x - xmin)/(xmax - xmin) print("after normalization array x = \n", x)"""輸出：after normalization array x = [0.11111111 0.33333333 0. 0.27777778 0.44444444 1. 0.05555556]""" |
數(shù)組索引
索引指向數(shù)組中的一個元素。在下面的例子中，分別用到了一維和二維數(shù)組中的索引：
|
1
2
3
4
|
import numpy a = numpy.array([20, 13, 42, 86, 81, 9, 11]) print("element at index 3 = ", a[3])# 輸出：element at index 3 = 86 |
下面是二維數(shù)組：
|
1
2
3
4
|
import numpy a = numpy.array([[20, 13, 42], [86, 81, 9]]) print("element at index a[1][2] = ", a[1][2])# 輸出：element at index a[1][2] = 9 |
索引 [1][2] 表示第二行和第三列（索引從 0 開始）。因此在屏幕上輸出 9 。
將 numpy 數(shù)組附加到另?一個數(shù)組上
可以用 append() 方法將 numpy 數(shù)組附加到另??一個 numpy 數(shù)組上。
|
1
2
3
4
5
6
|
import numpy a = numpy.array([1, 2, 3, 4, 5]) b = numpy.array([10, 20, 30, 40, 50]) newarray = numpy.append(a, b) print("the new array = ", newarray)# 輸出：the new array = [ 1 2 3 4 5 10 20 30 40 50] |
在此例中，創(chuàng)建兩個 numpy 數(shù)組 a， b 。然后把兩個數(shù)組傳給 append()。當(dāng)數(shù)組 b 作為第二個參數(shù)傳遞時，將被添加到數(shù)組 a 的末尾。
總結(jié)
正如大家所見，numpy 數(shù)組用起來非常簡單。在使用很多機器學(xué)習(xí)庫時，numpy 數(shù)組非常重要。可以說numpy 是人工智能的大門。
以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持服務(wù)器之家。
原文鏈接：https://segmentfault.com/a/1190000018975446
