NumPy を使用した Python での数値の操作-Python チュートリアル-php.cn

この記事では、NumPy のインストールと、NumPy 配列の作成、読み取り、並べ替えについて説明します。

NumPy (つまり、Numerical Python) は、Python で線形シーケンスと行列に対する統計演算と集合演算を簡単に実行できるようにするライブラリです。。 Python のデータ型に関するメモでこれを紹介しました、これは Python のリストよりも桁違いに高速です。 NumPy はデータ分析や科学計算で頻繁に使用されます。

NumPy のインストールと、NumPy 配列の作成、読み取り、並べ替えについて説明します。 NumPy 配列は、N 次元配列の略称である ndarray とも呼ばれます。

NumPy のインストール

Use pip NumPy パッケージのインストールは非常に簡単で、他のソフトウェアパッケージと同様にインストールできます。

<ol><li><code><span>pip install numpy</span></code></li></ol>

ログイン後にコピー

NumPy パッケージのインストール後

<ol><li><code><span>import</span><span> numpy </span><span>as</span><span> np</span></code></li></ol>

ログイン後にコピー

numpy を np としてインポートするのが標準的な規則ですが、 np## を使用せずにインポートすることもできます。 # 代わりに、必要な他のエイリアスを使用してください。

NumPy を使用する理由 Python リストよりも桁違いに高速であるため

大きな数値を処理する場合、NumPy は通常の Python リストよりも桁違いに高速です。実際にどれくらい速いかを確認するために、まず通常の Python リストに対する

min() および max() 操作の時間を測定しました。

まず、999,999,999 個の項目を含む Python リストを作成します:

<ol>
<li><code><span>>>></span><span> my_list </span><span>=</span><span> range</span><span>(</span><span>1</span><span>,</span><span> </span><span>1000000000</span><span>)</span></code></li>
<li><code><span>>>></span><span> len</span><span>(</span><span>my_list</span><span>)</span></code></li>
<li><code><span>999999999</span></code></li>
</ol>

ログイン後にコピー

次に、このリストの最小値を見つける時間を測定します:

<ol>
<li><code><span>>>></span><span> start </span><span>=</span><span> </span><span>time</span><span>.</span><span>time</span><span>()</span></code></li>
<li><code><span>>>></span><span> min</span><span>(</span><span>my_list</span><span>)</span></code></li>
<li><code><span>1</span></code></li>
<li><code><span>>>></span><span> </span><span>print</span><span>(</span><span>'Time elapsed in milliseconds: '</span><span> </span><span>+</span><span> str</span><span>((</span><span>time</span><span>.</span><span>time</span><span>()</span><span> </span><span>-</span><span> start</span><span>)</span><span> </span><span>*</span><span> </span><span>1000</span><span>))</span></code></li>
<li><code><span>Time</span><span> elapsed </span><span>in</span><span> milliseconds</span><span>:</span><span> </span><span>27007.00879096985</span></code></li>
</ol>

ログイン後にコピー

これには約 3 分かかりました。 27,007 ミリ秒、これは約

27 秒です。お久しぶりです。ここで、最大値を見つける時間を調べてみます。

<ol>
<li><code><span>>>></span><span> start </span><span>=</span><span> </span><span>time</span><span>.</span><span>time</span><span>()</span></code></li>
<li><code><span>>>></span><span> max</span><span>(</span><span>my_list</span><span>)</span></code></li>
<li><code><span>999999999</span></code></li>
<li><code><span>>>></span><span> </span><span>print</span><span>(</span><span>'Time elapsed in milliseconds: '</span><span> </span><span>+</span><span> str</span><span>((</span><span>time</span><span>.</span><span>time</span><span>()</span><span> </span><span>-</span><span> start</span><span>)</span><span> </span><span>*</span><span> </span><span>1000</span><span>))</span></code></li>
<li><code><span>Time</span><span> elapsed </span><span>in</span><span> milliseconds</span><span>:</span><span> </span><span>28111.071348190308</span></code></li>
</ol>

ログイン後にコピー

これには約 28,111 ミリ秒かかりました。これは約

28 秒 です。

ここで、NumPy を使用して最小時間と最大時間を見つけようとします:

<ol>
<li><code><span>>>></span><span> my_list </span><span>=</span><span> np</span><span>.</span><span>arange</span><span>(</span><span>1</span><span>,</span><span> </span><span>1000000000</span><span>)</span></code></li>
<li><code><span>>>></span><span> len</span><span>(</span><span>my_list</span><span>)</span></code></li>
<li><code><span>999999999</span></code></li>
<li><code><span>>>></span><span> start </span><span>=</span><span> </span><span>time</span><span>.</span><span>time</span><span>()</span></code></li>
<li><code><span>>>></span><span> my_list</span><span>.</span><span>min</span><span>()</span></code></li>
<li><code><span>1</span></code></li>
<li><code><span>>>></span><span> </span><span>print</span><span>(</span><span>'Time elapsed in milliseconds: '</span><span> </span><span>+</span><span> str</span><span>((</span><span>time</span><span>.</span><span>time</span><span>()</span><span> </span><span>-</span><span> start</span><span>)</span><span> </span><span>*</span><span> </span><span>1000</span><span>))</span></code></li>
<li><code><span>Time</span><span> elapsed </span><span>in</span><span> milliseconds</span><span>:</span><span> </span><span>1151.1778831481934</span></code></li>
<li><code><span>>>></span></code></li>
<li><code><span>>>></span><span> start </span><span>=</span><span> </span><span>time</span><span>.</span><span>time</span><span>()</span></code></li>
<li><code><span>>>></span><span> my_list</span><span>.</span><span>max</span><span>()</span></code></li>
<li><code><span>999999999</span></code></li>
<li><code><span>>>></span><span> </span><span>print</span><span>(</span><span>'Time elapsed in milliseconds: '</span><span> </span><span>+</span><span> str</span><span>((</span><span>time</span><span>.</span><span>time</span><span>()</span><span> </span><span>-</span><span> start</span><span>)</span><span> </span><span>*</span><span> </span><span>1000</span><span>))</span></code></li>
<li><code><span>Time</span><span> elapsed </span><span>in</span><span> milliseconds</span><span>:</span><span> </span><span>1114.8970127105713</span></code></li>
</ol>

ログイン後にコピー

最小値を見つけるのに約 1151 ミリ秒、最大値を見つけるのに 1114 ミリ秒かかりました。これは約

1 秒 です。

ご覧のとおり、NumPy を使用すると、約 10 億の値のリストの最小値と最大値を見つける時間を

約 28 秒から 1 秒に短縮できます。これがNumPyの威力です。 Python リストを使用した ndarray の作成

NumPy で ndarray を作成するには、いくつかの方法があります。

要素のリストを使用して ndarray を作成できます。

<ol>
<li><code><span>>>></span><span> my_ndarray </span><span>=</span><span> np</span><span>.</span><span>array</span><span>([</span><span>1</span><span>,</span><span> </span><span>2</span><span>,</span><span> </span><span>3</span><span>,</span><span> </span><span>4</span><span>,</span><span> </span><span>5</span><span>])</span></code></li>
<li><code><span>>>></span><span> </span><span>print</span><span>(</span><span>my_ndarray</span><span>)</span></code></li>
<li><code><span>[</span><span>1</span><span> </span><span>2</span><span> </span><span>3</span><span> </span><span>4</span><span> </span><span>5</span><span>]</span></code></li>
</ol>

ログイン後にコピー

上記の ndarray 定義を使用して、いくつかのことを確認します。まず、上で定義した変数の型は

numpy.ndarray

です。これは、すべての NumPy ndarray の型です: <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false"><ol> <li><code>>>> type(my_ndarray)</code></li> <li><code>class 'numpy.ndarray'></code></li> </ol></pre><div class="contentsignin">ログイン後にコピー</div></div>ここでもう 1 つ注意すべき点は、「

shape

shape」です。 ndarray の形状は、ndarray の各次元の長さです。 my_ndarray の形状が (5,) であることがわかります。これは、my_ndarray に 5 つの要素を持つディメンション (軸) が含まれていることを意味します。 <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false"><ol> <li><code>>>> np.shape(my_ndarray)</code></li> <li><code>(5,)</code></li> </ol></pre><div class="contentsignin">ログイン後にコピー</div></div>配列の次元数は「

rank

rank」と呼ばれます。したがって、上記の ndarray のランクは 1 です。別の ndarray

my_ndarray2

を多次元 ndarray として定義します。では、その形状はどのようなものになるでしょうか？以下を参照してください: <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false"><ol> <li><code>>>> my_ndarray2 = np.array([(1, 2, 3), (4, 5, 6)])</code></li> <li><code>>>> np.shape(my_ndarray2)</code></li> <li><code>(2, 3)</code></li> </ol></pre><div class="contentsignin">ログイン後にコピー</div></div>これはランク 2 の ndarray です。確認するもう 1 つのプロパティは、データ型である

dtype

です。 ndarray の dtype を確認すると、次の結果が得られます。 <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false"><ol> <li><code>>>> my_ndarray.dtype</code></li> <li><code>dtype('int64')</code></li> </ol></pre><div class="contentsignin">ログイン後にコピー</div></div>

int64

は、ndarray が 64 ビット整数で構成されていることを意味します。 NumPy は、1 つの型のみの要素を含む必要がある混合型の ndarray を作成できません。混合要素型を含む ndarray を定義すると、NumPy はすべての要素型を、すべての要素を含めることができる最上位の要素型に自動的に変換します。たとえば、

int

と float の混合シーケンスを作成すると、float64 の ndarray が作成されます。要素の 1 つを string に設定すると、

dtype

が <u21> に等しい文字列 ndarray が作成されます。つまり、ndarray には Unicode 文字列が含まれます: <code><div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false"><ol> <li><code>>>> my_ndarray2 = np.array([1, 2.0, 3])</code></li> <li><code>>>> print(my_ndarray2)</code></li> <li><code>[1. 2. 3.]</code></li> <li><code>>>> my_ndarray2.dtype</code></li> <li><code>dtype('float64')</code></li> </ol></pre><div class="contentsignin">ログイン後にコピー</div></div>size<u21> プロパティには、ndarray に存在する要素の合計数が表示されます。 </u21>

<ol>
<li><code><span>>>></span><span> my_ndarray2 </span><span>=</span><span> np</span><span>.</span><span>array</span><span>([</span><span>1</span><span>,</span><span> </span><span>'2'</span><span>,</span><span> </span><span>3</span><span>])</span></code></li>
<li><code><span>>>></span><span> </span><span>print</span><span>(</span><span>my_ndarray2</span><span>)</span></code></li>
<li><code><span>[</span><span>'1'</span><span> </span><span>'2'</span><span> </span><span>'3'</span><span>]</span></code></li>
<li><code><span>>>></span><span> my_ndarray2</span><span>.</span><span>dtype</span></code></li>
<li><code><span>dtype</span><span>(</span><span>'<u21><span>)</span></u21></span></code></li>
</ol>

ログイン後にコピー

NumPy メソッドを使用して ndarray を作成します使用したくない場合は、リストを直接作成して ndarray を作成することもできます。また、それを作成するために使用できる NumPy メソッドもいくつかあります。

np.zeros()

を使用して、0 で埋められた ndarray を作成できます。行数と列数を含むリストである「シェイプ」を引数として受け取ります。オプションの

dtype

パラメータ (ndarray のデータ型) を受け入れることもできます: <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false"><ol> <li><code>>>> my_ndarray = np.zeros([2,3], dtype=int)</code></li> <li><code>>>> print(my_ndarray)</code></li> <li><code>[[0 0 0]</code></li> <li><code> [0 0 0]]</code></li> </ol></pre><div class="contentsignin">ログイン後にコピー</div></div> 你可以使用 <code>np. ones() 来创建一个填满 1 的 ndarray：

<ol>
<li><code><span>>>></span><span> my_ndarray </span><span>=</span><span> np</span><span>.</span><span>ones</span><span>([</span><span>2</span><span>,</span><span>3</span><span>],</span><span> dtype</span><span>=</span><span>int</span><span>)</span></code></li>
<li><code><span>>>></span><span> </span><span>print</span><span>(</span><span>my_ndarray</span><span>)</span></code></li>
<li><code><span>[[</span><span>1</span><span> </span><span>1</span><span> </span><span>1</span><span>]</span></code></li>
<li><code><span> </span><span>[</span><span>1</span><span> </span><span>1</span><span> </span><span>1</span><span>]]</span></code></li>
</ol>

ログイン後にコピー

你可以使用 np.full() 来给 ndarray 填充一个特定的值：

<ol>
<li><code><span>>>></span><span> my_ndarray </span><span>=</span><span> np</span><span>.</span><span>full</span><span>([</span><span>2</span><span>,</span><span>3</span><span>],</span><span> </span><span>10</span><span>,</span><span> dtype</span><span>=</span><span>int</span><span>)</span></code></li>
<li><code><span>>>></span><span> </span><span>print</span><span>(</span><span>my_ndarray</span><span>)</span></code></li>
<li><code><span>[[</span><span>10</span><span> </span><span>10</span><span> </span><span>10</span><span>]</span></code></li>
<li><code><span> </span><span>[</span><span>10</span><span> </span><span>10</span><span> </span><span>10</span><span>]]</span></code></li>
</ol>

ログイン後にコピー

你可以使用 np.eye() 来创建一个单位矩阵 / ndarray，这是一个沿主对角线都是 1 的正方形矩阵。正方形矩阵是一个行数和列数相同的矩阵：

<ol>
<li><code><span>>>></span><span> my_ndarray </span><span>=</span><span> np</span><span>.</span><span>eye</span><span>(</span><span>3</span><span>,</span><span> dtype</span><span>=</span><span>int</span><span>)</span></code></li>
<li><code><span>>>></span><span> </span><span>print</span><span>(</span><span>my_ndarray</span><span>)</span></code></li>
<li><code><span>[[</span><span>1</span><span> </span><span>0</span><span> </span><span>0</span><span>]</span></code></li>
<li><code><span> </span><span>[</span><span>0</span><span> </span><span>1</span><span> </span><span>0</span><span>]</span></code></li>
<li><code><span> </span><span>[</span><span>0</span><span> </span><span>0</span><span> </span><span>1</span><span>]]</span></code></li>
</ol>

ログイン後にコピー

你可以使用 np.diag() 来创建一个沿对角线有指定数值的矩阵，而在矩阵的其他部分为 0：

<ol>
<li><code><span>>>></span><span> my_ndarray </span><span>=</span><span> np</span><span>.</span><span>diag</span><span>([</span><span>10</span><span>,</span><span> </span><span>20</span><span>,</span><span> </span><span>30</span><span>,</span><span> </span><span>40</span><span>,</span><span> </span><span>50</span><span>])</span></code></li>
<li><code><span>>>></span><span> </span><span>print</span><span>(</span><span>my_ndarray</span><span>)</span></code></li>
<li><code><span>[[</span><span>10</span><span></span><span>0</span><span></span><span>0</span><span></span><span>0</span><span></span><span>0</span><span>]</span></code></li>
<li><code><span> </span><span>[</span><span> </span><span>0</span><span> </span><span>20</span><span></span><span>0</span><span></span><span>0</span><span></span><span>0</span><span>]</span></code></li>
<li><code><span> </span><span>[</span><span> </span><span>0</span><span></span><span>0</span><span> </span><span>30</span><span></span><span>0</span><span></span><span>0</span><span>]</span></code></li>
<li><code><span> </span><span>[</span><span> </span><span>0</span><span></span><span>0</span><span></span><span>0</span><span> </span><span>40</span><span></span><span>0</span><span>]</span></code></li>
<li><code><span> </span><span>[</span><span> </span><span>0</span><span></span><span>0</span><span></span><span>0</span><span></span><span>0</span><span> </span><span>50</span><span>]]</span></code></li>
</ol>

ログイン後にコピー

你可以使用 np.range() 来创建一个具有特定数值范围的 ndarray。它是通过指定一个整数的开始和结束（不包括）范围以及一个步长来创建的：

<ol>
<li><code><span>>>></span><span> my_ndarray </span><span>=</span><span> np</span><span>.</span><span>arange</span><span>(</span><span>1</span><span>,</span><span> </span><span>20</span><span>,</span><span> </span><span>3</span><span>)</span></code></li>
<li><code><span>>>></span><span> </span><span>print</span><span>(</span><span>my_ndarray</span><span>)</span></code></li>
<li><code><span>[</span><span> </span><span>1</span><span></span><span>4</span><span></span><span>7</span><span> </span><span>10</span><span> </span><span>13</span><span> </span><span>16</span><span> </span><span>19</span><span>]</span></code></li>
</ol>

ログイン後にコピー

读取 ndarray

ndarray 的值可以使用索引、分片或布尔索引来读取。

使用索引读取 ndarray 的值

在索引中，你可以使用 ndarray 的元素的整数索引来读取数值，就像你读取 Python 列表一样。就像 Python 列表一样，索引从 0 开始。

例如，在定义如下的 ndarray 中：

<ol><li><code><span>>>></span><span> my_ndarray </span><span>=</span><span> np</span><span>.</span><span>arange</span><span>(</span><span>1</span><span>,</span><span> </span><span>20</span><span>,</span><span> </span><span>3</span><span>)</span></code></li></ol>

ログイン後にコピー

第四个值将是 my_ndarray[3]，即 10。最后一个值是 my_ndarray[-1]，即 19：

<ol>
<li><code><span>>>></span><span> my_ndarray </span><span>=</span><span> np</span><span>.</span><span>arange</span><span>(</span><span>1</span><span>,</span><span> </span><span>20</span><span>,</span><span> </span><span>3</span><span>)</span></code></li>
<li><code><span>>>></span><span> </span><span>print</span><span>(</span><span>my_ndarray</span><span>[</span><span>0</span><span>])</span></code></li>
<li><code><span>1</span></code></li>
<li><code><span>>>></span><span> </span><span>print</span><span>(</span><span>my_ndarray</span><span>[</span><span>3</span><span>])</span></code></li>
<li><code><span>10</span></code></li>
<li><code><span>>>></span><span> </span><span>print</span><span>(</span><span>my_ndarray</span><span>[-</span><span>1</span><span>])</span></code></li>
<li><code><span>19</span></code></li>
<li><code><span>>>></span><span> </span><span>print</span><span>(</span><span>my_ndarray</span><span>[</span><span>5</span><span>])</span></code></li>
<li><code><span>16</span></code></li>
<li><code><span>>>></span><span> </span><span>print</span><span>(</span><span>my_ndarray</span><span>[</span><span>6</span><span>])</span></code></li>
<li><code><span>19</span></code></li>
</ol>

ログイン後にコピー

使用分片读取 ndarray

你也可以使用分片来读取 ndarray 的块。分片的工作方式是用冒号（:）操作符指定一个开始索引和一个结束索引。然后，Python 将获取该开始和结束索引之间的 ndarray 片断：

<ol>
<li><code><span>>>></span><span> </span><span>print</span><span>(</span><span>my_ndarray</span><span>[:])</span></code></li>
<li><code><span>[</span><span> </span><span>1</span><span></span><span>4</span><span></span><span>7</span><span> </span><span>10</span><span> </span><span>13</span><span> </span><span>16</span><span> </span><span>19</span><span>]</span></code></li>
<li><code><span>>>></span><span> </span><span>print</span><span>(</span><span>my_ndarray</span><span>[</span><span>2</span><span>:</span><span>4</span><span>])</span></code></li>
<li><code><span>[</span><span> </span><span>7</span><span> </span><span>10</span><span>]</span></code></li>
<li><code><span>>>></span><span> </span><span>print</span><span>(</span><span>my_ndarray</span><span>[</span><span>5</span><span>:</span><span>6</span><span>])</span></code></li>
<li><code><span>[</span><span>16</span><span>]</span></code></li>
<li><code><span>>>></span><span> </span><span>print</span><span>(</span><span>my_ndarray</span><span>[</span><span>6</span><span>:</span><span>7</span><span>])</span></code></li>
<li><code><span>[</span><span>19</span><span>]</span></code></li>
<li><code><span>>>></span><span> </span><span>print</span><span>(</span><span>my_ndarray</span><span>[:-</span><span>1</span><span>])</span></code></li>
<li><code><span>[</span><span> </span><span>1</span><span></span><span>4</span><span></span><span>7</span><span> </span><span>10</span><span> </span><span>13</span><span> </span><span>16</span><span>]</span></code></li>
<li><code><span>>>></span><span> </span><span>print</span><span>(</span><span>my_ndarray</span><span>[-</span><span>1</span><span>:])</span></code></li>
<li><code><span>[</span><span>19</span><span>]</span></code></li>
</ol>

ログイン後にコピー

分片创建了一个 ndarray 的引用（或视图）。这意味着，修改分片中的值也会改变原始 ndarray 的值。

比如说：

<ol>
<li><code><span>>>></span><span> my_ndarray</span><span>[-</span><span>1</span><span>:]</span><span> </span><span>=</span><span> </span><span>100</span></code></li>
<li><code><span>>>></span><span> </span><span>print</span><span>(</span><span>my_ndarray</span><span>)</span></code></li>
<li><code><span>[</span><span></span><span>1</span><span> </span><span>4</span><span> </span><span>7</span><span></span><span>10</span><span></span><span>13</span><span></span><span>16</span><span> </span><span>100</span><span>]</span></code></li>
</ol>

ログイン後にコピー

对于秩超过 1 的 ndarray 的分片，可以使用 [行开始索引:行结束索引, 列开始索引:列结束索引] 语法：

<ol>
<li><code><span>>>></span><span> my_ndarray2 </span><span>=</span><span> np</span><span>.</span><span>array</span><span>([(</span><span>1</span><span>,</span><span> </span><span>2</span><span>,</span><span> </span><span>3</span><span>),</span><span> </span><span>(</span><span>4</span><span>,</span><span> </span><span>5</span><span>,</span><span> </span><span>6</span><span>)])</span></code></li>
<li><code><span>>>></span><span> </span><span>print</span><span>(</span><span>my_ndarray2</span><span>)</span></code></li>
<li><code><span>[[</span><span>1</span><span> </span><span>2</span><span> </span><span>3</span><span>]</span></code></li>
<li><code><span> </span><span>[</span><span>4</span><span> </span><span>5</span><span> </span><span>6</span><span>]]</span></code></li>
<li><code><span>>>></span><span> </span><span>print</span><span>(</span><span>my_ndarray2</span><span>[</span><span>0</span><span>:</span><span>2</span><span>,</span><span>1</span><span>:</span><span>3</span><span>])</span></code></li>
<li><code><span>[[</span><span>2</span><span> </span><span>3</span><span>]</span></code></li>
<li><code><span> </span><span>[</span><span>5</span><span> </span><span>6</span><span>]]</span></code></li>
</ol>

ログイン後にコピー

使用布尔索引读取 ndarray 的方法

读取 ndarray 的另一种方法是使用布尔索引。在这种方法中，你在方括号内指定一个过滤条件，然后返回符合该条件的 ndarray 的一个部分。

例如，为了获得一个 ndarray 中所有大于 5 的值，你可以指定布尔索引操作 my_ndarray[my_ndarray > 5]。这个操作将返回一个包含所有大于 5 的值的 ndarray：

<ol>
<li><code><span>>>></span><span> my_ndarray </span><span>=</span><span> np</span><span>.</span><span>array</span><span>([</span><span>1</span><span>,</span><span> </span><span>2</span><span>,</span><span> </span><span>3</span><span>,</span><span> </span><span>4</span><span>,</span><span> </span><span>5</span><span>,</span><span> </span><span>6</span><span>,</span><span> </span><span>7</span><span>,</span><span> </span><span>8</span><span>,</span><span> </span><span>9</span><span>,</span><span> </span><span>10</span><span>])</span></code></li>
<li><code><span>>>></span><span> my_ndarray2 </span><span>=</span><span> my_ndarray</span><span>[</span><span>my_ndarray </span><span>></span><span> </span><span>5</span><span>]</span></code></li>
<li><code><span>>>></span><span> </span><span>print</span><span>(</span><span>my_ndarray2</span><span>)</span></code></li>
<li><code><span>[</span><span> </span><span>6</span><span></span><span>7</span><span></span><span>8</span><span></span><span>9</span><span> </span><span>10</span><span>]</span></code></li>
</ol>

ログイン後にコピー

例如，为了获得一个 ndarray 中的所有偶数值，你可以使用如下的布尔索引操作：

<ol>
<li><code><span>>>></span><span> my_ndarray2 </span><span>=</span><span> my_ndarray</span><span>[</span><span>my_ndarray </span><span>%</span><span> </span><span>2</span><span> </span><span>==</span><span> </span><span>0</span><span>]</span></code></li>
<li><code><span>>>></span><span> </span><span>print</span><span>(</span><span>my_ndarray2</span><span>)</span></code></li>
<li><code><span>[</span><span> </span><span>2</span><span></span><span>4</span><span></span><span>6</span><span></span><span>8</span><span> </span><span>10</span><span>]</span></code></li>
</ol>

ログイン後にコピー

而要得到所有的奇数值，你可以用这个方法：

<ol>
<li><code><span>>>></span><span> my_ndarray2 </span><span>=</span><span> my_ndarray</span><span>[</span><span>my_ndarray </span><span>%</span><span> </span><span>2</span><span> </span><span>==</span><span> </span><span>1</span><span>]</span></code></li>
<li><code><span>>>></span><span> </span><span>print</span><span>(</span><span>my_ndarray2</span><span>)</span></code></li>
<li><code><span>[</span><span>1</span><span> </span><span>3</span><span> </span><span>5</span><span> </span><span>7</span><span> </span><span>9</span><span>]</span></code></li>
</ol>

ログイン後にコピー

ndarray 的矢量和标量算术

NumPy 的 ndarray 允许进行矢量和标量算术操作。在矢量算术中，在两个 ndarray 之间进行一个元素的算术操作。在标量算术中，算术运算是在一个 ndarray 和一个常数标量值之间进行的。

如下的两个 ndarray：

<ol>
<li><code><span>>>></span><span> my_ndarray </span><span>=</span><span> np</span><span>.</span><span>array</span><span>([</span><span>1</span><span>,</span><span> </span><span>2</span><span>,</span><span> </span><span>3</span><span>,</span><span> </span><span>4</span><span>,</span><span> </span><span>5</span><span>])</span></code></li>
<li><code><span>>>></span><span> my_ndarray2 </span><span>=</span><span> np</span><span>.</span><span>array</span><span>([</span><span>6</span><span>,</span><span> </span><span>7</span><span>,</span><span> </span><span>8</span><span>,</span><span> </span><span>9</span><span>,</span><span> </span><span>10</span><span>])</span></code></li>
</ol>

ログイン後にコピー

如果你将上述两个 ndarray 相加，就会产生一个两个 ndarray 的元素相加的新的 ndarray。例如，产生的 ndarray 的第一个元素将是原始 ndarray 的第一个元素相加的结果，以此类推：

<ol>
<li><code><span>>>></span><span> </span><span>print</span><span>(</span><span>my_ndarray2 </span><span>+</span><span> my_ndarray</span><span>)</span></code></li>
<li><code><span>[</span><span> </span><span>7</span><span></span><span>9</span><span> </span><span>11</span><span> </span><span>13</span><span> </span><span>15</span><span>]</span></code></li>
</ol>

ログイン後にコピー

这里，7 是 1 和 6 的和，这是我相加的 ndarray 中的前两个元素。同样，15 是 5 和10 之和，是最后一个元素。

请看以下算术运算：

<ol>
<li><code><span>>>></span><span> </span><span>print</span><span>(</span><span>my_ndarray2 </span><span>-</span><span> my_ndarray</span><span>)</span></code></li>
<li><code><span>[</span><span>5</span><span> </span><span>5</span><span> </span><span>5</span><span> </span><span>5</span><span> </span><span>5</span><span>]</span></code></li>
<li><code><span>>>></span></code></li>
<li><code><span>>>></span><span> </span><span>print</span><span>(</span><span>my_ndarray2 </span><span>*</span><span> my_ndarray</span><span>)</span></code></li>
<li><code><span>[</span><span> </span><span>6</span><span> </span><span>14</span><span> </span><span>24</span><span> </span><span>36</span><span> </span><span>50</span><span>]</span></code></li>
<li><code><span>>>></span></code></li>
<li><code><span>>>></span><span> </span><span>print</span><span>(</span><span>my_ndarray2 </span><span>/</span><span> my_ndarray</span><span>)</span></code></li>
<li><code><span>[</span><span>6.</span><span> </span><span>3.5</span><span></span><span>2.66666667</span><span> </span><span>2.25</span><span> </span><span>2.</span><span></span><span>]</span></code></li>
</ol>

ログイン後にコピー

在 ndarray 中加一个标量值也有类似的效果，标量值被添加到 ndarray 的所有元素中。这被称为“广播broadcasting”：

<ol>
<li><code><span>>>></span><span> </span><span>print</span><span>(</span><span>my_ndarray </span><span>+</span><span> </span><span>10</span><span>)</span></code></li>
<li><code><span>[</span><span>11</span><span> </span><span>12</span><span> </span><span>13</span><span> </span><span>14</span><span> </span><span>15</span><span>]</span></code></li>
<li><code><span>>>></span></code></li>
<li><code><span>>>></span><span> </span><span>print</span><span>(</span><span>my_ndarray </span><span>-</span><span> </span><span>10</span><span>)</span></code></li>
<li><code><span>[-</span><span>9</span><span> </span><span>-</span><span>8</span><span> </span><span>-</span><span>7</span><span> </span><span>-</span><span>6</span><span> </span><span>-</span><span>5</span><span>]</span></code></li>
<li><code><span>>>></span></code></li>
<li><code><span>>>></span><span> </span><span>print</span><span>(</span><span>my_ndarray </span><span>*</span><span> </span><span>10</span><span>)</span></code></li>
<li><code><span>[</span><span>10</span><span> </span><span>20</span><span> </span><span>30</span><span> </span><span>40</span><span> </span><span>50</span><span>]</span></code></li>
<li><code><span>>>></span></code></li>
<li><code><span>>>></span><span> </span><span>print</span><span>(</span><span>my_ndarray </span><span>/</span><span> </span><span>10</span><span>)</span></code></li>
<li><code><span>[</span><span>0.1</span><span> </span><span>0.2</span><span> </span><span>0.3</span><span> </span><span>0.4</span><span> </span><span>0.5</span><span>]</span></code></li>
</ol>

ログイン後にコピー

ndarray 的排序

有两种方法可以对 ndarray 进行原地或非原地排序。原地排序会对原始 ndarray 进行排序和修改，而非原地排序会返回排序后的 ndarray，但不会修改原始 ndarray。我将尝试这两个例子：

<ol>
<li><code><span>>>></span><span> my_ndarray </span><span>=</span><span> np</span><span>.</span><span>array</span><span>([</span><span>3</span><span>,</span><span> </span><span>1</span><span>,</span><span> </span><span>2</span><span>,</span><span> </span><span>5</span><span>,</span><span> </span><span>4</span><span>])</span></code></li>
<li><code><span>>>></span><span> my_ndarray</span><span>.</span><span>sort</span><span>()</span></code></li>
<li><code><span>>>></span><span> </span><span>print</span><span>(</span><span>my_ndarray</span><span>)</span></code></li>
<li><code><span>[</span><span>1</span><span> </span><span>2</span><span> </span><span>3</span><span> </span><span>4</span><span> </span><span>5</span><span>]</span></code></li>
</ol>

ログイン後にコピー

正如你所看到的，sort() 方法对 ndarray 进行原地排序，并修改了原数组。

还有一个方法叫 np.sort()，它对数组进行非原地排序：

<ol>
<li><code><span>>>></span><span> my_ndarray </span><span>=</span><span> np</span><span>.</span><span>array</span><span>([</span><span>3</span><span>,</span><span> </span><span>1</span><span>,</span><span> </span><span>2</span><span>,</span><span> </span><span>5</span><span>,</span><span> </span><span>4</span><span>])</span></code></li>
<li><code><span>>>></span><span> </span><span>print</span><span>(</span><span>np</span><span>.</span><span>sort</span><span>(</span><span>my_ndarray</span><span>))</span></code></li>
<li><code><span>[</span><span>1</span><span> </span><span>2</span><span> </span><span>3</span><span> </span><span>4</span><span> </span><span>5</span><span>]</span></code></li>
<li><code><span>>>></span><span> </span><span>print</span><span>(</span><span>my_ndarray</span><span>)</span></code></li>
<li><code><span>[</span><span>3</span><span> </span><span>1</span><span> </span><span>2</span><span> </span><span>5</span><span> </span><span>4</span><span>]</span></code></li>
</ol>

ログイン後にコピー

正如你所看到的，np.sort() 方法返回一个已排序的 ndarray，但没有修改它。

总结

我已经介绍了很多关于 NumPy 和 ndarray 的内容。我谈到了创建 ndarray，读取它们的不同方法，基本的向量和标量算术，以及排序。NumPy 还有很多东西可以探索，包括像 union() 和 intersection()这样的集合操作，像 min() 和 max() 这样的统计操作，等等。

我希望我上面演示的例子是有用的。祝你在探索 NumPy 时愉快。

以上がNumPy を使用した Python での数値の操作の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。