Python에서 numpy의 기본 학습 및 배열 및 벡터 계산 수행

머리말

파이썬에서는 가끔 배열을 사용해 데이터를 연산하는데, 이는 데이터 처리 효율을 크게 향상시킬 수 있는데, 이는 데이터의 트렌드인 R의 벡터화 연산과 유사하다. 단순화를 위해 Python의 numpy 모듈을 사용하여 배열 및 벡터 계산을 수행할 수 있습니다.

간단한 예를 살펴보겠습니다

import numpy as np
 
data=np.array([2,5,6,8,3]) #构造一个简单的数组
 
print(data)

결과:

[2 5 6 8 3]

data1=np.array([[2,5,6,8,3],np.arange(5)]) #构建一个二维数组
 
print(data1)

결과:

[[2 5 6 8 3]
[0 1 2 3 4]]

shape 및 dtype 메서드를 통해 배열의 크기와 데이터 형식을 볼 수도 있습니다

print(data.shape)
print(data.dtype)
print(data1.shape)
print(data1.dtype)

결과:

(5,)
int32

(2, 5)
int32

데이터가 1차원 배열임을 알 수 있습니다. , 각 그룹에는 5개의 요소가 있습니다. 데이터 유형은 32비트 int 유형

data1은 2차원 배열입니다. 각 그룹에는 5개의 요소가 있습니다.

더 나은 구별 방법은 인쇄물을 보는 것입니다. 결과에서 대괄호의 수와 위치는 배열의 크기를 나타낼 수 있습니다.

기타 배열 속성 방법은 다음과 같습니다.

array.ndim 배열의 차원, 1차원 배열의 결과는 1, 인쇄 결과는 2차원 배열은 2

array.size 배열의 요소 수

array.itemsiz 배열의 각 요소의 바이트 크기

다음, 배열의 데이터 유형을 살펴보겠습니다.

NumPy의 기본 데이터 유형

名称	描述
bool	用一个字节存储的布尔类型（True或False）
inti	由所在平台决定其大小的整数（一般为int32或int64）
int8	一个字节大小，-128 至 127
int16	整数，-32768 至 32767
int32	整数，-2 ** 31 至 2 ** 32 -1
int64	整数，-2 ** 63 至 2 ** 63 - 1
uint8	无符号整数，0 至 255
uint16	无符号整数，0 至 65535
uint32	无符号整数，0 至 2 ** 32 - 1
uint64	无符号整数，0 至 2 ** 64 - 1
float16	半精度浮点数：16位，正负号1位，指数5位，精度10位
float32	单精度浮点数：32位，正负号1位，指数8位，精度23位
float64或float	双精度浮点数：64位，正负号1位，指数11位，精度52位
complex64	复数，分别用两个32位浮点数表示实部和虚部
complex128或complex	复数，分别用两个64位浮点数表示实部和虚部

基础的数组运算

数组也可以进行我们常用的加减乘除运算

arr=np.array(np.arange(10))
arr1=np.array(np.arange(1,11))
print(arr*2)

结果：

[ 0 2 4 6 8 10 12 14 16 18]

print(arr+arr1)

结果：

[ 1 3 5 7 9 11 13 15 17 19]

注意，相加两个数组长度要一样

接下来我们看下数组索引

arr=np.arange(10)

用下标直接进行索引

print(arr[5])

结果为：

5

切片索引

print(arr[5:8])

结果为：

[5 6 7]

可以利用索引对数据进行更改操作

arr[5]=120
print(arr)

结果为：

[ 0 1 2 3 4 120 6 7 8 9]

可以看到下标为5的数已经变成120了。

此外，数组还可以进行布尔操作

arr=np.arange(5)
name=np.array(['a','b','b','c','a'])
print(name=='a')

结果为：

[ True False False False True]

即满足条件的数据全部以True的结果输出。

接下来我们可以利用name数组设置条件后的布尔值对arr数组进行相关操作

print(arr[name=='a'])

结果为：

[0 4]

即把arr中对应于name中a相对应位置的元素打印出来。

多条件操作

result=(name='a')|(name='c')
print(result)
print(name[result])

结果为：

[ True False False True True]
['a' 'c' 'a']

接下来，我们了解下ufunc方法

用于操作单个数组的函数有如下：

用于操作两个或多个数组的方法

相关的函数方法使用

np.meshgrid 用于生成多维矩阵

a,b=np.meshgrid(np.arange(1,5),np.arange(2,4))
print(a)
print(b)

结果为：

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

按照数据最少的数组形成数组

np.where 是三元表达式 x if condition else y的矢量化版本

arr1=np.arange(5)
arr2=np.arange(20,25)
condition=np.array([1,0,1,0,0])
result=np.where(condition,arr1,arr2)
print(arr1)
print(arr2)
print(result)

结果为：

[0 1 2 3 4]
[20 21 22 23 24]
[ 0 21 2 23 24]

可以看出，result的结果中，条件为1的显示数组arr1的内容，条件为0的显示arr2的内容

数学统计方法

在数组中我们也可以使用数学统计方法进行计数，例如sum mean std 等

arr=np.random.randint(1,20,10)
print(arr)
print(np.mean(arr))
print(np.sum(arr))
print(np.std(arr))

结果为：

[19 14 8 13 13 10 10 9 19 7]
12.2
122
4.01995024845

具体的方法内容如下图所示：

布尔型数组的相关统计方法

arr=np.arange(-20,10)
result=(arr>5).sum()
print(arr)
print(result)

结果为：

-20 -19 -18 -17 -16 -15 -14 -13 -12 -11 -10 -9 -8 -7 -6 -5 -4 -3
-2 -1 0 1 2 3 4 5 6 7 8 9]

4

可以对数据进行判断后进行个数求和

其他的数组方法还有

数据的读取和存储

线性函数的常用方法

arr=np.array([np.random.randint(1,10,5),np.random.randint(10,20,5)])
print(arr)
print(np.dot(arr,2))

结果为

[[ 4 6 5 1 6]
[14 16 11 10 18]]
[[ 8 12 10 2 12]
[28 32 22 20 36]]

dot方法可以进行矩阵相乘操作

其他方法如下图

最后我们了解下numpy中的随机数生成方法

上面的很多例子中我们已经用到了随机数生成，

arr=np.random.random(10)
print(arr)

结果为

[ 0.90051063 0.72818635 0.00411373 0.13154345 0.45513344 0.9700776
0.42150977 0.27728599 0.50888291 0.62288808]

其他形式的随机数生成方法

更多python中numpy基础学习及进行数组和矢量计算相关文章请关注PHP中文网！