Python三方庫：Numpy（陣列處理）

Numpy是Python中用于處理陣列的一個非常強大的庫，同時也是Pandas等資料處理的庫的核心，如果你有大量處理陣列型別資料的操作，比如操作CSV檔案資料或涉及陣列的科學計算等，那么Numpy是一個非常好的選擇，

注：此筆記中主要是以一維陣列和二維陣列作為示例，更高維的陣列因為用的較少，同時原理和二維陣列也相似，即陣列中再套陣列，所以就不再單獨解釋了，為了簡化表示，文中的np表示Numpy，即import numpy as np，

一、創建陣列（ndarray）

Numpy中的陣列物件型別為ndarray，陣列的創建，最基礎的就是使用np.array()方法創建陣列了，傳入對應的串列或元組即可，創建時也可使用dtype引數指定元素的資料型別，在使用array方法創建陣列時，陣列中的元素必須是同一型別，如果不是，則會發生自動型別轉換，如果不想進行自動轉換，可指定資料型別為object，具體見示例代碼，

其他還有一些用于創建特定型別陣列的方法，常用的有：

• np.arange([start, ]stop, [step, ]dtype=None)：相當于Python中range函式，創建一個指定范圍[0, start)或[start, stop)的連續的（具有相同間隔step）的陣列，
• np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0)：創建一個指定范圍內具有相同間隔的指定元素個數的陣列，注意，這個方法不用指定間隔，而是根據元素個數自動判斷間隔，
• np.zeros(shape, dtype=float, order='C')：創建一個元素值為0的陣列，
• np.ones(shape, dtype=None, order='C')：創建一個元素值為1的陣列，
• np.empty(shape, dtype=float, order='C')：創建一個元素值未初始化的陣列，
• np.zeros_like(a, dtype=None, order='K', subok=True, shape=None)：根據另一個陣列創建一個相同維數和元素個數且元素值為0的陣列，
• np.ones_like(a, dtype=None, order='K', subok=True, shape=None)：根據另一個陣列創建一個相同維數和元素個數且元素值為1的陣列，
• np.random.rand(d0, d1, ..., dn)：創建一個指定維數（d0, d1, ..., dn），元素為0到1之間的亂數的陣列，d0的值表示這一維的元素個數，
• np.random.randint(low, high=None, size=None, dtype=int)：創建一個元素值為[0, low)或[low, high)之間的隨機整數的陣列，可用size指定陣列的shape，
• np.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None, axis=0)：創建一個指定范圍內（base的start次冪到base的stop次冪）具有相同間隔的指定元素個數的陣列，

示例：

二、陣列索引和切片

Numpy中陣列的索引和切片的使用形如[d0, d1, ...]的方式，其中使用逗號分隔每一維的索引和切片表示，而每一維的索引和切片表示又是與Python中串列的使用是一致的，所以對于一位陣列的索引和切片直接就和Python的串列使用是一樣的了，這里也不再展示示例代碼了，重點在于二維及多位陣列的索引和切片使用，

示例：

三、陣列常用方法

常用屬性：

• ndarray.dtype：陣列元素的資料型別，
• ndarray.shape：陣列的維數和對應元素個數資訊，
• ndarray.size：陣列中的元素個數，
• ndarray.ndim：陣列的維數，

Numpy特色操作

常用方法（大多adarray方法都能在numpy下直接找到并使用）：

• ndarray.astype(dtype, order='K', casting='unsafe', subok=True, copy=True)：將陣列中元素的資料型別轉換為指定的型別，
• ndarray.fill(value)：將陣列中的元素填充為指定的值，
• ndarray.flatten(order='C')：將陣列“拉直”，變為一維陣列，回傳的是一個新的陣列，
• ndarray.ravel([order])：也是將陣列“拉直”，變為一維陣列，但回傳的是原陣列的一個視圖索引，即對這個一維陣列的修改會同步到原陣列，
• ndarray.reshape(shape, order='C')：重新定義陣列的shape，
• ndarray.transpose(*axes)：對陣列進行“翻轉”，
• ndarray.T：相當于ndarray.transpose()，
• ndarray.round(decimals=0, out=None)：以“四舍五入”的方式對陣列元素進行取整，decimals引數可以指定小數位數，
• ndarray.max(axis=None, out=None, keepdims=False, initial=<no value>, where=True)：獲取陣列中的最大值，也可以獲取指定維度的最大值，
• ndarray.min(axis=None, out=None, keepdims=False, initial=<no value>, where=True)：獲取陣列中的最小值，也可以獲取指定維度的最小值，
• ndarray.mean(axis=None, dtype=None, out=None, keepdims=False)：獲取陣列的平均值，也可以獲取指定維度的平均值，
• ndarray.sum(axis=None, dtype=None, out=None, keepdims=False, initial=0, where=True)：獲取陣列的和，也可以獲取指定維度的和，
• ndarray.argmax(axis=None, out=None)：最大值的索引，
• ndarray.argmin(axis=None, out=None)：最小值的索引，
• ndarray.clip(min=None, max=None, out=None, **kwargs)：截斷操作，將陣列中小于min值的元素重置為min值，大于max值的元素重置為max值，
• ndarray.sort(axis=-1, kind=None, order=None)：排序，也可以按照指定維度進行排序，
• ndarray.argsort(axis=-1, kind=None, order=None)：回傳排序之后的元素索引，
• numpy.vstack(tup)：縱向連接陣列，
• numpy.hstack(tup)：橫向連接陣列，
• numpy.where(condition[, x, y])：根據條件過濾陣列，

示例：

四、檔案讀寫

文本檔案的讀寫可以使用以下兩個方法：

• numpy.savetxt(fname, X, fmt='%.18e', delimiter=' ', newline='n', header='', footer='', comments='# ', encoding=None)：將一個陣列保存到指定的文本檔案中，fname為檔案名稱，X表示陣列，fmt表示資料格式（以%表示的字串格式化），delimiter為分隔符，其他引數也都是見名知意，看著使用就可以了，
• numpy.loadtxt(fname, dtype=<class 'float'>, comments='#', delimiter=None, converters=None, skiprows=0, usecols=None, unpack=False, ndmin=0, encoding='bytes', max_rows=None)：將文本檔案中的資料加載到陣列當中，

類似于資料的序列化和反序列化，可以將陣列物件保存到檔案中，然后加載出來后直接就是原先的陣列物件：

• numpy.save(file, arr, allow_pickle=True, fix_imports=True)：將數物件組保存到指定檔案中，
• numpy.load(file, mmap_mode=None, allow_pickle=False, fix_imports=True, encoding='ASCII')：從檔案中讀取陣列物件，

標籤：Python

上一篇：基于selenium的簡單爬蟲——爬取螞蟻學習網

下一篇：一篇文章教會你如何制做精美導航條