一、NumPy初識(shí)
NumPy是Python中最流行的科學(xué)計(jì)算庫(kù)之一。它提供多維數(shù)組對(duì)象和一系列用于處理數(shù)組的函數(shù)。NumPy的核心是ndarray（n-dimensional array）對(duì)象，它是一個(gè)大小固定、同一類型元素的多維數(shù)組。
在使用NumPy之前，需要先安裝它。使用pip命令可以很輕松地安裝它。在終端中輸入以下命令即可：
pip install numpy
成功安裝后，我們可以導(dǎo)入NumPy并查看其版本：
import numpy as np
print(np.__version__)
輸出的結(jié)果應(yīng)該類似于“1.16.2”。
二、NumPy數(shù)組
NumPy中最重要的對(duì)象是ndarray。可以用以下代碼創(chuàng)建一個(gè)一維數(shù)組：
import numpy as np
arr1d = np.array([1, 2, 3, 4, 5])
print(arr1d)
輸出結(jié)果：[1 2 3 4 5]
也可以創(chuàng)建二維、三維甚至更高維度的數(shù)組。
從列表創(chuàng)建ndarray時(shí)，NumPy會(huì)嘗試自動(dòng)推導(dǎo)出數(shù)組中元素的類型：
import numpy as np
arr1d = np.array([1, 2, 3, 4, 5])
arr2d = np.array([[1, 2, 3], [4, 5, 6]])
arr3d = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])
print(arr1d.dtype)
print(arr2d.dtype)
print(arr3d.dtype)
輸出結(jié)果：
int64
int64
int64
可以看出，NumPy會(huì)嘗試選擇最小的數(shù)據(jù)類型以儲(chǔ)存數(shù)組中的元素。在這個(gè)例子中，數(shù)組中的元素都是整數(shù)，所以NumPy選擇了int64類型。
數(shù)組中的元素可以使用下標(biāo)進(jìn)行訪問，如：
import numpy as np
arr1d = np.array([1, 2, 3, 4, 5])
arr2d = np.array([[1, 2, 3], [4, 5, 6]])
arr3d = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])
print(arr1d[0])
print(arr2d[0, 1])
print(arr3d[1, 0, 1])
輸出結(jié)果：
1
2
6
三、NumPy的高級(jí)用法
1、數(shù)組操作
數(shù)組拼接、分裂、重塑、轉(zhuǎn)置、展平等操作是NumPy中最常用的操作之一。在此僅介紹其中的一些，更多操作請(qǐng)參考NumPy文檔。
例如，可以使用以下代碼將兩個(gè)一維數(shù)組沿著列方向拼接：
import numpy as np
arr1 = np.array([1,2,3])
arr2 = np.array([4,5,6])
result = np.concatenate([arr1, arr2])
print(result)
輸出結(jié)果：[1 2 3 4 5 6]
還可以在二維數(shù)組上進(jìn)行拼接操作，如下：
import numpy as np
arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6]])
result = np.concatenate([arr1, arr2], axis=0)
print(result)
輸出結(jié)果：
[[1 2]
[3 4]
[5 6]]
還可以使用vstack或hstack函數(shù)將數(shù)組沿著垂直或水平方向拼接。
重塑數(shù)組可以使用reshape函數(shù)。例如，可以將一個(gè)一維數(shù)組重塑為3x3的二維數(shù)組：
import numpy as np
arr = np.array([1,2,3,4,5,6,7,8,9])
result = arr.reshape((3, 3))
print(result)
輸出結(jié)果：
[[1 2 3]
[4 5 6]
[7 8 9]]
transpos函數(shù)可以將數(shù)組轉(zhuǎn)置，如下：
import numpy as np
arr = np.arange(9).reshape((3,3))
result = np.transpose(arr)
print(result)
輸出結(jié)果：
[[0 3 6]
[1 4 7]
[2 5 8]]
flatten函數(shù)可以將多維數(shù)組展平為一維數(shù)組，如下：
import numpy as np
arr = np.arange(9).reshape((3,3))
result = arr.flatten()
print(result)
輸出結(jié)果：
[0 1 2 3 4 5 6 7 8]
2、數(shù)組運(yùn)算
NumPy提供了大量的數(shù)學(xué)函數(shù)和運(yùn)算符，可以像操作標(biāo)量一樣操作數(shù)組。
可以使用以下代碼實(shí)現(xiàn)數(shù)組的加減乘除：
import numpy as np
a = np.array([1,2,3])
b = np.array([4,5,6])
print(a + b)
print(a - b)
print(a * b)
print(a / b)
輸出結(jié)果：
[5 7 9]
[-3 -3 -3]
[ 4 10 18]
[0.25 0.4 0.5 ]
可以使用以下代碼實(shí)現(xiàn)數(shù)組的矩陣乘法：
import numpy as np
a = np.array([[1,2], [3,4]])
b = np.array([[5,6], [7,8]])
print(np.dot(a, b))
輸出結(jié)果：
[[19 22]
[43 50]]
3、數(shù)組統(tǒng)計(jì)
NumPy可以進(jìn)行各種統(tǒng)計(jì)運(yùn)算，如平均值、標(biāo)準(zhǔn)差、最大值、最小值等。
可以使用以下代碼求數(shù)組的平均值、標(biāo)準(zhǔn)差、最大值、最小值：
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
print(np.mean(arr))
print(np.std(arr))
print(np.max(arr))
print(np.min(arr))
輸出結(jié)果：
3.0
1.4142135623730951
5
1
除了一維數(shù)組之外，NumPy還可以對(duì)多維數(shù)組進(jìn)行統(tǒng)計(jì)運(yùn)算。例如，可以使用以下代碼計(jì)算二維數(shù)組中每一列的平均值：
import numpy as np
arr = np.array([[1, 2], [3, 4], [5, 6]])
print(np.mean(arr, axis=0))
輸出結(jié)果：
[3. 4.]
4、廣播
廣播是指在對(duì)兩個(gè)數(shù)組進(jìn)行元素操作時(shí)，當(dāng)數(shù)組的形狀不同時(shí)，對(duì)小數(shù)組進(jìn)行擴(kuò)張以匹配大數(shù)組的形狀。廣播操作可以減少內(nèi)存使用和運(yùn)算次數(shù)。
以下代碼示例演示了廣播的基本原理：
import numpy as np
arr1 = np.array([1,2,3])
arr2 = np.array([4,5,6])
result = arr1 * arr2
print(result)
輸出結(jié)果：
[ 4 10 18]
可以看出，數(shù)組arr1和arr2的形狀不同，但是它們的元素相乘得到的結(jié)果仍然是一個(gè)長(zhǎng)度為3的數(shù)組。
5、隨機(jī)數(shù)生成
NumPy還提供了大量的隨機(jī)數(shù)生成函數(shù)。隨機(jī)數(shù)生成函數(shù)可以用于模擬隨機(jī)數(shù)據(jù)、生成測(cè)試數(shù)據(jù)等。
以下代碼示例生成20個(gè)范圍在0-1之間的隨機(jī)數(shù)：
import numpy as np
result = np.random.rand(20)
print(result)
輸出結(jié)果：
[0.13966633 0.8146751 0.78852179 0.45093637 0.73117035 0.7654889
0.83504567 0.61635283 0.2246247 0.43220779 0.95162422 0.77052108
0.55811285 0.61789821 0.24398802 0.02599477 0.82493305 0.36772928
0.19407716 0.1476306 ]
6、圖片處理
NumPy還可以用于圖像的處理。下面的這個(gè)例子把圖片中的每一個(gè)像素都進(jìn)行了翻轉(zhuǎn)：
import numpy as np
from PIL import Image
im = Image.open("test.jpg")
im.show()
im_arr = np.array(im)
im_arr_flip = np.fliplr(im_arr)
im_flip = Image.fromarray(im_arr_flip)
im_flip.show()
輸出結(jié)果：
#顯示原圖
#顯示翻轉(zhuǎn)后的圖
7、數(shù)據(jù)存取
NumPy可以方便地將數(shù)組保存到文件中，并從文件中讀取數(shù)組數(shù)據(jù)。
以下代碼示例將數(shù)組保存到文件中，并從文件中讀取出來：
import numpy as np
arr = np.array([1,2,3,4,5])
np.save("arr.npy", arr)
arr_loaded = np.load("arr.npy")
print(arr_loaded)
輸出結(jié)果：
[1 2 3 4 5]
總結(jié)
這篇文章介紹了NumPy的基本用法，包括數(shù)組的創(chuàng)建、統(tǒng)計(jì)、數(shù)組運(yùn)算、廣播、隨機(jī)數(shù)生成、圖片處理等。NumPy功能非常強(qiáng)大，有助于我們進(jìn)行高效的科學(xué)計(jì)算。
京公網(wǎng)安備 11010802030320號(hào)