python 之 numpy 模塊詳細講解及其應用案例

python numpy 模塊詳細講解及應用案例

博文簡介

• 該博文總共介紹3個常用的numpy方法（array，linspace，arange），同時每個方法都會有一個應用舉例，通過應用舉例來更好地理解和使用這些方法
• 當然numpy還有一些數學上的操作方法，這個就是最熟悉的:
  sin(), cos(), log(),tan(),exp(),arctan(),arcsin(),arccos(),cot()等等
  大家懂得數學就一定會那些方法了，故在這里就不做介紹了

一、安裝numpy

windows 系統：
1.windows + R 打開控制臺;
2.pip install numpy，
結果如下所示：

二、最常用的方法

1、array方法

1.1 array（numpy.array）功能
生成陣列（可以是一維陣列，二維陣列，甚至更高維度的陣列）
陣列與串列的區別：
陣列必須是同樣的資料型別；
而串列可以是不同資料型別，
在其他方面二者相差無幾，
舉例：

import numpy as np
"""
業界最通用的操作，宣告一個別名np
"""
array_0 = np.array([0, 1, 2, 3, 4])
# 一維陣列
array_1 = np.array([[0, 1, 2, 3],[4, 5, 6, 7]])
# 二維陣列
array_2 = np.array([[[0, 1, 2],[3, 4, 5]],[[6, 7, 8],[9, 10, 11]]])
# 三維陣列
# 更多維度的幾乎不會使用到的
"""
這里注意：
陣列必須是同一個資料型別的元素構成，
所以，當元素的資料型別不同時，
會發生強制準換！！
準換的優先級為：
字串 > 浮點數 > 整型數
例如下面的舉例：
"""
array_3 = np.array([1, 2.23, 4, 5])
# 會強制轉換為浮點數
array_4 = np.array([1, 2.23, 4, 5, 'hello world !'])
# 會強制轉換為字串

# 列印結果
print(array_0)
print(array_1)
print(array_2)
print(array_3)
print(array_4)

運行的結果如下所示（output）：

[0 1 2 3 4]
# array_0

[[0 1 2 3]
 [4 5 6 7]]
# array_1
 
[[[ 0  1  2]
  [ 3  4  5]]

 [[ 6  7  8]
  [ 9 10 11]]]
# array_2

[1.   2.23 4.   5.  ]
# array_3

['1' '2.23' '4' '5' 'hello world !']
# array_4

總之就是說，numpy.array()是來生成陣列的，其型別為：<class ‘numpy.ndarray’>
（可以通過type（）方法來查看），
另外，一個陣列減去一個數字，例如：

array_0 = array_0 - 100
# 每個元素都減一百

意味著陣列中的每一個元素都要減去100！
1.2 array方法的應用舉例（可以處理圖片）

import numpy as np
import matplotlib.pyplot as plt
# 這是一個繪圖專用的模塊，該模塊的介紹將在另一篇博文中進行講述
"""
同樣是業界常用別稱
"""

# 將圖片轉換為一個陣列（三維陣列）
array_img = plt.imread('./圖片名稱')
"""
例如：
array_img = plt.imread('./0065ErDtgy1geehlwnfb6j30p018g435.jpg')
"""
# 相當于是要輸入一個圖片檔案的位置
# 得到的結果是一個三維陣列
# 通過print查看
print(array_img)
# print(type(array_img))


# 利用繪圖模塊展示出來
plt.imshow(array_img)
# 實作一個陣列減去一個數字：
plt.imshow(array_img - 100)
# 加一個數字也可以
plt.imshow(array_img + 200)

運行的結果如下所示（output）：
這里我是已經用了一張圖片的， 原圖如下，運行的效果請參見下方的下方：

此處展示圖片：
1、對應于 array_img ： (沒有變化)

2、對應于 array_img - 100 ：（把可愛的小姐姐變丑了，是我的過錯，嗚嗚嗚~~~）

3、對應于 array_img + 200 ：（又一次把小姐姐變丑了，嗚嗚嗚~~~，先說聲對不起~~，但似乎比前一個好一點啦~）

所以呢，其實那些修圖軟體就是將拍攝后的圖片轉換成為陣列，然后通過特定的演算法來實作美顏、瘦身等功能的，
比如：
對于常用的瘦臉功能，我們可以：
1、拍照；
2、識別人臉；
3、將整個圖片轉成陣列；
4、利用特定的演算法來處理人臉所對應的陣列區域；
5、最后，顯示處理后的圖片（即，經過瘦臉后的圖片），
（在這里就不去實作這種復雜的功能了，有興趣的大佬可以自己探索一下哦~）

2、linspace方法

2.1 linspace 方法的功能
linspace 方法的功能是產生一個一維陣列，具體實作是將從起始位置開始到結束位置為止的區間，均勻地產生指定個數的數字，并將這些數字組成一個一維陣列，

import numpy as np
array_0 = np.linspace(-10, 20, 30)
# 第一個引數：起始位置
# 第二個引數：結束為止
# 第三個引數：產生的一維陣列的大小，即指定的數字個數
print(array_0)

輸出結果：（相當于等引數列！！）

[-10.          -8.96551724  -7.93103448  -6.89655172  -5.86206897
  -4.82758621  -3.79310345  -2.75862069  -1.72413793  -0.68965517
   0.34482759   1.37931034   2.4137931    3.44827586   4.48275862
   5.51724138   6.55172414   7.5862069    8.62068966   9.65517241
  10.68965517  11.72413793  12.75862069  13.79310345  14.82758621
  15.86206897  16.89655172  17.93103448  18.96551724  20.        ]

（共有30個數字）
2.2 linspace 方法的應用舉例
在這里舉一個繪制影像的例子，繪制一個三維曲線

"""
繪制一個三維的曲線
所繪制的曲線為等距螺旋線
等距螺旋線繪制代碼以及結果如下：
"""
import numpy as np
import matplotlib.pyplot as plt
# 匯入庫函式
fig = plt.figure()
# 建立一個三維坐標系
ax1 = plt.axes(projection='3d')
# 進行三維繪圖
z = np.linspace(-5, 5, 50)
# 使用 linspace 方法定義z坐標
"""
從-5到5的區間，均分為50份進行描點繪圖
描點！！
"""
x = 5 * np.sin(z)
y = 5 * np.cos(z)
# 定義x與y的坐標
ax1.plot3D(x, y, z, 'gray')
# 實作三維圖的繪制
plt.show()
# 顯示繪制的影像結果

結果展示如下所示：

以上便是linspace方法的一個簡單介紹，

3、 arange方法

3.1 arange 方法的功能
產生一個從初始位置開始，到終止位置結束，以特定步長為差值的以為陣列（也相當于等引數列）：

import numpy as np
array_0 = np.arange(-10, 10, 2)
# 使用arange方法
# 第一個引數：起始位置
# 第二個引數：終止位置
# 第三個引數：步長

# 列印
print(array_0)

運行結果如下所示：

[-10  -8  -6  -4  -2   0   2   4   6   8]

3.2 arange 方法的應用舉例
在這里我們繪制一張三維空間中的一個曲面影像，具體的代碼實作如下：

"""
前四行代碼與上一個例子相同！！
"""
import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()
ax3 = plt.axes(projection='3d')
# 定義x坐標--->生成陣列
x = np.arange(-5, 5, 0.1)
# 定義y坐標--->生成陣列
y = np.arange(-5, 5, 0.1)

# 在這里，生成一個二維的陣列來存放坐標（二維坐標的存放 ！！）
# （meshgrid是另一個方法，在這里不多介紹，有興趣可以查閱相關資料來學習，）
X, Y = np.meshgrid(x, y)
# Z 的函式關系式
Z = 10 * np.log(1000 - X ** 2 - Y ** 2)

# 顯示影像，cmap引數是設定圖形的樣式的，rainbow為彩虹狀
ax3.plot_surface(X, Y, Z, cmap='rainbow')
# 別忘了plt.show()!!
plt.show()

運行結果展示如下所示：

總結

綜上所述：
numpy（np） 模塊 的這三種方法就介紹到這里了啦~~~

當然以上介紹是不夠的全面的，想要真正掌握這些模塊，還是應該自己多練習、多實踐，以此來增強自己的技能，此篇僅供大家參考所用~
要是喜歡的話可以點一個贊（么么噠），當然要是不喜歡的話也希望不要踩一下啦~