python中numpy基礎學習及進行陣列與向量計算

高洛峰
發布: 2017-02-14 13:28:33
原創
1355 人瀏覽過

前言

在python 中有時候我們用數組操作數據可以極大的提升數據的處理效率,類似於R的向量化操作,是的數據的操作趨於簡單化,在python 中是使用numpy模組可以進行數組和向量計算。

下面來看下簡單的例子


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


結果:


結果:


[2 5 6 8 3]
登入後複製


我們也可以透過shape和dtype方法查看陣列的維度和資料格式

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


結果:

[[2 5 6 8 3]
[0 1 2 3 4]]
登入後複製


資料型別為32位元int 型別


data1 為二維數組,每組有5個元素,資料型別為32位元int型別

有較好的區分方法是看列印結果中,中括號的層數和位置,就可以看出數組的維度,一層中括號代表一個維度。


其他的陣列屬性方法還有:


array.ndim

   數組的維數,一維數組結果為1,二維數組打印結果為2 

array.itemsiz

   數組每個元素的位元組大小

接下來我們了解下數組中的資料類型:

NumPyy描述

bool用一個位元組儲存的布林類型(True或False)

inti

由所在平台決定其大小的整數(一般為int32232))3253232323232323232323232323232323232323232323232323232332323232323323232332332)3232332)32))。位元組大小,-128 至127

int16

整數,-32768 至32767

int32int32uint8uint16uint64float16float32float644float6440位,正負號1位,指數11位,精準度52位複數,分別以兩個32位浮點數表示實部和虛部
整數,-2 ** 63 至2 ** 63 - 1
無符號整數,0 至255
符號整數,0 至2 ** 32 - 1
無符號整數,0 至2 ** 64 - 1
點。指數5位,精準度10位
單精度浮點數:32位,正負號1位,指數8位,精度23位
complex64
complex128或多個plex用兩個64位元浮點數表示實部和虛部

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)
登入後複製


结果:


[ 0 2 4 6 8 10 12 14 16 18]
登入後複製



print(arr+arr1)
登入後複製


结果:


[ 1 3 5 7 9 11 13 15 17 19]
登入後複製


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)
登入後複製


用下标直接进行索引


print(arr[5])
登入後複製


结果为:


5
登入後複製


切片索引


print(arr[5:8])
登入後複製


结果为:


[5 6 7]
登入後複製


可以利用索引对数据进行更改操作


arr[5]=120
print(arr)
登入後複製


结果为:


[ 0 1 2 3 4 120 6 7 8 9]
登入後複製


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')
登入後複製


结果为:


[ True False False False True]
登入後複製


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'])
登入後複製


结果为:


[0 4]
登入後複製


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])
登入後複製


结果为:


[ True False False True True]
['a' 'c' 'a']
登入後複製


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)
登入後複製


结果为:


[[1 2 3 4]
[1 2 3 4]]
[[2 2 2 2]
[3 3 3 3]]
登入後複製


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)
登入後複製


结果为:


[0 1 2 3 4]
[20 21 22 23 24]
[ 0 21 2 23 24]
登入後複製


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))
登入後複製


结果为:


[19 14 8 13 13 10 10 9 19 7]
12.2
122
4.01995024845
登入後複製


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)
登入後複製


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
登入後複製


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))
登入後複製


结果为


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


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)
登入後複製


结果为


[ 0.90051063 0.72818635 0.00411373 0.13154345 0.45513344 0.9700776
0.42150977 0.27728599 0.50888291 0.62288808]
登入後複製


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!


相關標籤:
來源:php.cn
本網站聲明
本文內容由網友自願投稿,版權歸原作者所有。本站不承擔相應的法律責任。如發現涉嫌抄襲或侵權的內容,請聯絡admin@php.cn
熱門教學
更多>
最新下載
更多>
網站特效
網站源碼
網站素材
前端模板