numpy初識

一、numpy是什么？

擴展庫numpy是Python支持科學計算的重要擴展庫，是資料分析和科學計算領域如scipy、pandas、sklearn 等眾多擴展庫中的必備擴展庫之一，提供了強大的N維陣列及其相關運算、復雜的廣播函式、C/C++和Fortran代碼集成工具以及線性代數、傅里葉變換和亂數生成等功能，本章童點介紹陣列與矩陣及其相關運算，為學習和理解后面章節中的資料分析、機器學習打下良好的基礎，

簡單來說就是你用來為人工智能領域打基礎的東西，私話說得好，基礎不牢，地動山搖嘛~

所以這個地方可要好好學習哦~~

二、numpy陣列

在numpy中使用的不是python自帶的資料型別list，而是numpy中的ndarray

那為什么使用ndarray而不是使用list呢？

因為ndarray是由c/c++寫出來的，占用記憶體更小，使用速度更快

創建一個ndarray的方法有很多，這里說下使用array方法轉化的

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Author： Smly
# @datetime： 2021/9/26 22:22 
# @Version： 1.0

import numpy as np

li = [1, 2, 3]
tp = (1, 2, 3)

nday1 = np.array(li)
nday2 = np.array(tp)

print("*****型別*****")
print(type(nday1))
print(type(nday2))

print("*****陣列*****")
print(nday1)
print(nday2)

輸出結果：

*****型別*****
<class 'numpy.ndarray'>
<class 'numpy.ndarray'>
*****陣列*****
[1 2 3]
[1 2 3]

2.1 陣列使用

如果元素相同的話，可以進行加減乘除

• 在元素個數相同的情況下，可以進行陣列間的加減
• 在元素個數相同的情況下，可以進行陣列間的乘除
• 對某個數進行的乘除，可以自動進行到所有元素

看例子理解：

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Author： Smly
# @datetime： 2021/9/26 22:22 
# @Version： 1.0

import numpy as np
	
li = [1, 2, 3]	# 串列
tp = (1, 2, 3)	# 元組

nday1 = np.array(li)	# 內置方法將串列轉為ndarray
nday2 = np.array(tp)	# 內置方法將元組轉為ndarray
nday3 = np.array(range(5)) # 使用range內置函式方法生成ndarray連續陣列
nday4 = np.array(range(5, 10))  # 使用range內置函式方法生成ndarray連續陣列

print("*****型別*****")
print(type(nday1))
print(type(nday2))
print(type(nday3))
print(type(nday4))

print("*****陣列*****")
print(nday1)
print(nday2)
print(nday3)
print(nday4)

print("*****陣列加減*****")
print(nday2 + nday1)
print(nday2 - nday1)
print(nday4 - nday3)
print(nday3 + nday4)
# 在元素個數相同的情況下，可以進行陣列間的加減

print("*****陣列乘除*****")
print(nday2 * nday1)
print(nday2 // nday1)
print(nday4 * nday3)
print(nday4 // nday3)
# 在元素個數相同的情況下，可以進行陣列間的乘除

print(nday1 * 3)
print(nday2 // 2)
print(nday3 * 2)
print(nday4 // 2)
# 對某個數進行的乘除，可以自動進行到所有元素

運行結果：

*****型別*****
<class 'numpy.ndarray'>
<class 'numpy.ndarray'>
<class 'numpy.ndarray'>
<class 'numpy.ndarray'>
*****陣列*****
[1 2 3]
[1 2 3]
[0 1 2 3 4]
[5 6 7 8 9]
*****陣列加減*****
[2 4 6]
[0 0 0]
[5 5 5 5 5]
[ 5  7  9 11 13]
*****陣列乘除*****
[1 4 9]
[1 1 1]
[ 0  6 14 24 36]
[0 0 0 0 0]
[3 6 9]
[0 1 1]
[0 2 4 6 8]
[2 3 3 4 4]

2.2 創建陣列

剛剛的array()方法是將串列和元組等迭代物件轉為ndarray陣列

接下來要說的是自動創建陣列

1. 使用empty創建空陣列

里面會有初始值，但是陣列初始為None

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Author： Smly
# @datetime： 2021/9/28 12:29 
# @Version： 1.0
import numpy as np

em1 = np.empty(5)       # 創建一個長度為5的空陣列
em2 = np.empty((2, 2))  # 創建一個2*2的空二維陣列


print("一維陣列，長度為5", em1)
print("二維陣列，長度為2*2", em2)

輸出結果：

[9.96754604e-312 9.96754614e-312 2.60799828e-310 9.34609789e-307
 0.00000000e+000]
[[6.95299778e-310 9.96747617e-312]
 [0.00000000e+000 6.95299776e-310]]

2. 使用arange函式創建

arange是numpy自帶的的一個方法，作用與range這個Python內置函式相差無幾，都是生成陣列

先匯入numpy包

import numpy as np

然后創建陣列

print("*****ararge創建陣列*****")

aran_arr1 = np.arange(5)
aran_arr2 = np.arange(5, 10)

print("*****型別*****")
print(type(aran_arr1))
print(type(aran_arr2))

print("*****陣列*****")
print(aran_arr1)
print(aran_arr2)

3. 使用zeros函式生成陣列

zeros函式是numpy自帶的方法，作用是生成指定數量的全0一維陣列，全0二維陣列等

看下面的例子：

生成一個具有三個元素的一維陣列和一個具有五個元素的一維陣列：

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Author： Smly
# @datetime： 2021/9/27 21:31 
# @Version： 1.0

import numpy as np

zero_arr = np.zeros(3)

zrro_arr2 = np.zeros(5)

print(zero_arr)
print(zrro_arr2)

運行結果：

[0. 0. 0.]
[0. 0. 0. 0. 0.]

當然這只是一位陣列，你還可以生成二維陣列，也就是矩陣

使用如下代碼可以生成一個三行三列的矩陣

zero_arr3 = np.zeros((3, 3))

輸出看看：

print(zero-arr3)

運行結果：

[[0. 0. 0.]
 [0. 0. 0.]
 [0. 0. 0.]]

4. ones函式生成陣列

使用ones函式生成全1函式，方法同zeros

import numpy as np

ones_arr1 = np.ones(3)

輸出結果：

[1. 1. 1.]

生成一個三行三列的矩陣

import numpy as np

ones_arr2 = np.ones((3, 3))

輸出結果：

[[1. 1. 1.]
 [1. 1. 1.]
 [1. 1. 1.]]

5. diag函式生成對角矩陣

什么是對角矩陣?你應該聽說過對角線，矩陣就是生成在對角線上的矩陣

函式引數是一個元祖

看代碼和運行結果能夠理解的更深刻

import numpy as np

diag_arr = np.diag((4, 3, 2, 1))

將diag_arr的輸出的結果為：

[[4 0 0 0]
 [0 3 0 0]
 [0 0 2 0]
 [0 0 0 1]]

看，對角線是不是你函式的引數，這下理解了吧

6. N維陣列

N維陣列就是多維陣列，可以理解為陣列里面還是陣列，里面還是陣列，可以參照這個形式

[[[1 2]
  [3 4]]
 [[5 6]
  [7 8]]]

這個概念確實有點抽象，有點難理解，這就是一個三維陣列，是通過三維串列使用array方法轉換成ndarray的

代碼：

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Author： Smly
# @datetime： 2021/9/27 13:29 
# @Version： 1.0
import numpy as np

li = [
    [[1, 2], [3, 4]],
    [[5, 6], [7, 8]]
]

te1 = np.array(li)

print(te1)

當然，二維陣列也算是N維陣列

2.3 訪問陣列元素

numpy自帶了一個insert函式，可以往陣列中插入元素

看實體：

li = [[1, 2, 3, 4], [5, 6, 7, 8], [2, 4, 6, 8]]
gb1 = np.array(li)
np.insert(gb1, 1, [1, 2, 3, 4])

輸出結果：

[1 1 2 3 4 2 3 4 5 6 7 8 2 4 6 8]

還有一個自帶的add函式，可以進行陣列的相加減

陣列嘛，可以使用下標來獲取陣列元素

import numpy as np

li1 = [1, 2, 3, 4]
gb2 = np.array(li1)
print(gb2[1])

輸出結果為：

2

當然，它是一個陣列，你理所應當的也可以使用回圈陳述句來遍歷陣列

三、了解矩陣

陣列是陣列，矩陣是矩陣，

陣列是一種資料結構，可以存盤多種資料，可以有多維

矩陣是數學中的一個概念，只能存放數字，并且只能是二維的形式

生成矩陣的方法就和生成N維陣列的方法是一樣的

先使用串列創建二維串列，然后再使用numpy的方法轉成矩陣，當然也有好幾中生成矩陣的方法

import numpy as np


li = [[1, 2, 3, 4], [5, 6, 7, 8]]

j1 = np.matrix(li)

print(j1)
print(type(j1))
print(j1.dtype)

輸出該矩陣：

輸出矩陣： [[1 2 3 4]
 [5 6 7 8]]
矩陣在Python的型別： <class 'numpy.matrix'>
在numpy中的型別： int32

矩陣可以進行各種數學運算，在numpy中都得到了很好的支持，這里就不細說了

3.1 廣播

何為廣播，廣播就是能將你的東西發送到各個區域，一般在計算機中是將資訊發送到局域網路中的每個計算機中，

而在numpy中也有廣播，只不過他是將元素自動補到陣列，矩陣上，就像你在上面看到的，一個陣列乘除一個元素，陣列中的所有元素都會乘這個數

import numpy as np

li1 = [1, 2, 3, 4]
print(np.array(li1)*10)

輸出結果：

[10 20 30 40]

這個就是廣播，就是將數字10播到li轉成的陣列中，能夠讓陣列所有元素都乘10，

而不同維度的陣列也可以這樣

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Author： Smly
# @datetime： 2021/9/27 13:40 
# @Version： 1.0

import numpy as np

li = [[1, 2, 3, 4], [5, 6, 7, 8], [2, 4, 6, 8]]

gb1 = np.array(li)

li1 = [1, 2, 3, 4]
gb2 = np.array(li1)

print(gb1*gb2)

將一維陣列的每個元素挨個廣播到二維陣列，前提是：

二維陣列中的一維陣列的個數與一維陣列的個數是相同的

運行結果：

[[ 1  4  9 16]
 [ 5 12 21 32]
 [ 2  8 18 32]]

驚喜

關注下方公眾號，領取更多福利

• python基礎教程
• python知識腦圖
• python入門100例
• C語言資料結構教程
• C語言演算法100題