Python:学习Numpy,收藏这一篇文章就Go了(一)

简介: Python:学习Numpy,收藏这一篇文章就Go了(一)

Numpy


Numpy全称Numerical Python。它提供了2种基本的对象:ndarray与ufunc。


ndarray是存储单一数据的多维数组,它相对于list列表可以快速的节省空间,提供数组化的算数运算和高级的广播功能。


ufunc是能够对数组进行处理的函数,这些标准的数学函数对整个数组的数据进行快速运算,且不需要编写循环。


Numpy其他优点:


1.它是读取/写入磁盘上的阵列数据和操作存储器映像文件的工具

2.它具有线性代数、随机数生成以及傅里叶变换的能力

3.它集成了C、C++、Fortran代码的工具


虽然Numpy库具有很多的优点,但是其默认不在标准库中,如果你直接安装anaconda,它会自带Numpy库。


但是,如果你是直接安装的Python工具,那么需要通过如下命令安装之后才能使用,具体命令如下所示:

pip install numpy

下面,我们详细介绍Numpy库的使用方式。


生成Numpy数组

从已有数据中创建数组

一般来说,对于一些基础的数据,我们在Python中都是直接使用list。


而如果这个时候,需要进行大量的运算,我们不妨将list列表转换为numpy数组进行计算。转换的方式如下所示(我们使用numpy时一般将其重命名np使用):

import numpy as np
list1 = [1, 2, 3, 4, 5, 6, 7, 8, 9]
nd = np.array(list1)
print("数据:", nd)
print("类型:", type(nd))


运行之后,效果如下:


通过random生成数组

在深度学习中,我们经常会通过随机数创建一些数组进行测试,比如创建符合正态分布的随机数,又或者打乱数据等等。


而这些都可以通过numpy.random模块进行操作。下面,博主列出了一个常用随机函数表格:

函数 意义
numpy.random.random 生成0到1之间的随机数
numpy.random.uniform 生成均匀分布的随机数
numpy.random.randn 生成标准正态分布的随机数
numpy.random.randint 生成随机整数
numpy.random.normal 生成正态分布
numpy.random.shuffle 随机打乱顺序
numpy.random.seed 设置随机数种子


numpy.random.random_sample 生成随机的浮点数

下面,我们举一个简单的使用例子:

import numpy as np
#生成3行3列0到1的随机数
nd1 = np.random.random([3, 3])
print(nd1)
#生成3行3列0到1的浮点数
nd2 = np.random.random_sample([3, 3])
print(nd2)
#打乱nd2的数据
np.random.shuffle(nd2)
print(nd2)


运行之后,效果如下:


创建多维数组

在上面随机数的数组创建中,我们看到了其实numpy可以创建多维数组,而如果不使用随机数的话,我们还可以通过下面表格的函数创建numpy数组。

函数 意义
np.zeros((3,4)) 创建3行4列全部为0的数组
np.ones((3,4)) 创建3行4列全部为1的数组
np.empty((2,4)) 创建2行4列的空数组,空数组中的值并不为0,而是为初始化的垃圾值
np.zeros_like(nd) 以nd相同的维度创建一个全为0的数组
np.ones_like(nd) 以nd相同的维度创建一个全为1的数组
np.empty_like(nd) 以nd相同的维度创建空数组
np.eye(5) 创建一个5*5的矩阵,对角线为1,其余为0
np.full((2,2),111) 创建一个2行2列全是111的数组,第2个参数为指定值

下面,我们随机举些列子:

import numpy as np
#创建2*3的空数组
nd1 = np.empty((2, 3))
print("垃圾值:", nd1)
#创建5*5,值全为111的数组
nd2 = np.full((5, 5), 111)
print(nd2)
#创建5*5值全为0的数组
nd3 = np.zeros((5, 5))
print(nd3)


运行之后,效果如下:


arange与linspace生成数组

首先,我们来看看arange函数的定义:

arange([start,]stop[,step,],dtype=None)

其中,start与stop用来指定范围,step指定步长。比如说我们生成一个倒叙的数组[9,8,7,6,5],可以发现它们的步长就是-1。示例如下:

nd = np.arange(9, 4, -1)
print(nd)


这里就不运行了,输入就是[9,8,7,6,5]。


接着,我们再来看看linspace函数的定义:

linspace(start,stop,num=50,endpoint=True,retstep=False,dtype=None)

linspace函数可以根据输入的指定数据范围以及等份数量,自动生成一个线性的等分向量。


简单的理解就是,我们设置一个区间(start,stop),然后再次设定生成num个数据。


那么通过(stop-start+1)/num,就算出了这些数据的步长,而每个数据依次加减这个步长就是2边的数据。


而不需要像arange取指定步长,linspace函数会自己计算出来。示例如下:

nd = np.linspace(9, 4, 6)
print(nd)


这里代表就是9到4输出6个数据,且每个数间隔一样,那么肯定会输出[9,8,7,6,5,4]。


元素的截取

既然创建了Numpy数组,那么我们就需要获取数组中的元素进行操作。那么如果获取Numpy数组中指定的元素呢?这里,博主列出了一个表格:

nd为一维数组时:输出[0 1 2 3 4 5 6 7 8 9](索引0开始)
nd为二维数组时:(索引0开始)
[[ 0  1  2  3  4]
 [ 5  6  7  8  9]
 [10 11 12 13 14]
 [15 16 17 18 19]
 [20 21 22 23 24]]
公式 意义

nd[3]

获取数组的第4个元素,如果为多维数组,获取第4行([3])
nd[3:5] 获取数组的第4个元素到第5个元素([3,4],不包括右边元素5)
nd[1:5:2] 获取数组索引1到索引5步长间隔为2的元素([1,3]),不包括右边元素5
nd[::-2] 获取倒叙,间隔2的元素([9 7 5 3 1])
nd[1:3, 1:3] 获取1,2行,1,2列的数据([[ 6 7][11 12]]),不包括3行,3列
nd[(nd > 3) & (nd < 10)] 获取大于3小于10的数据([4 5 6 7 8 9])
nd[[1,2]] 获取1,2行的所有列数据([[ 5 6 7 8 9][10 11 12 13 14]])
nd[:,1:3] 获取所有行的1到3列([[ 1 2][ 6 7][11 12][16 17][21 22]]),不包括3列


目录
打赏
0
0
0
0
20
分享
相关文章
Python学习的自我理解和想法(18)
这是我在学习Python第18天的总结,内容基于B站千锋教育课程,主要涉及面向对象编程的核心概念。包括:`self`关键字的作用、魔术方法的特点与使用(如构造函数`__init__`和析构函数`__del__`)、类属性与对象属性的区别及修改方式。通过学习,我初步理解了如何利用这些机制实现更灵活的程序设计,但深知目前对Python的理解仍较浅显,欢迎指正交流!
Python学习的自我理解和想法(16)
这是我在B站千锋教育课程中学Python的第16天总结,主要学习了`datetime`和`time`模块的常用功能,包括创建日期、时间,获取当前时间及延迟操作等。同时简要介绍了多个方向的补充库,如网络爬虫、数据分析、机器学习等,并讲解了自定义模块的编写与调用方法。因开学时间有限,内容精简,希望对大家有所帮助!如有不足,欢迎指正。
Python学习的自我理解和想法(19)
这是一篇关于Python面向对象学习的总结,基于B站千锋教育课程内容编写。主要涵盖三大特性:封装、继承与多态。详细讲解了继承(包括构造函数继承、多继承)及类方法与静态方法的定义、调用及区别。尽管开学后时间有限,但作者仍对所学内容进行了系统梳理,并分享了自己的理解,欢迎指正交流。
Python学习的自我理解和想法(22)
本文记录了作者学习Python第22天的内容——正则表达式,基于B站千锋教育课程。文章简要介绍了正则表达式的概念、特点及使用场景(如爬虫、数据清洗等),并通过示例解析了`re.search()`、`re.match()`、拆分、替换和匹配中文等基本语法。正则表达式是文本处理的重要工具,尽管入门较难,但功能强大。作者表示后续会深入讲解其应用,并强调学好正则对爬虫学习的帮助。因时间有限,内容为入门概述,不足之处敬请谅解。
Python学习的自我理解和想法(24)
本文记录了学习Python操作Excel的第24天内容,基于B站千锋教育课程。主要介绍openpyxl插件的使用,包括安装、读取与写入Excel文件、插入图表等操作。具体内容涵盖加载工作簿、获取单元格数据、创建和保存工作表,以及通过图表展示数据。因开学时间有限,文章简要概述了各步骤代码实现,适合初学者参考学习。如有不足之处,欢迎指正!
Python学习的自我理解和想法(20)
这是我在B站千锋教育课程中学习Python第20天的总结,主要涉及面向对象编程的核心概念。内容包括:私有属性与私有方法的定义、语法及调用方式;多态的含义与实现,强调父类引用指向子类对象的特点;单例设计模式的定义、应用场景及实现步骤。通过学习,我掌握了如何在类中保护数据(私有化)、实现灵活的方法重写(多态)以及确保单一实例(单例模式)。由于开学时间有限,内容简明扼要,如有不足之处,欢迎指正!
Python学习的自我理解和想法(23)
本文记录了学习Python正则表达式的第23天心得,内容基于B站麦叔课程。文章分为三个部分:1) 正则表达式的七个境界,从固定字符串到内部约束逐步深入;2) 写正则表达式的套路,以座机号码为例解析模式设计;3) 正则表达式语法大全,涵盖字符类别、重复次数、组合模式、位置、分组、标记、特殊字符和替换等知识点。总结中表达了对知识的理解,并欢迎指正。
Python学习的自我理解和想法(21)
这是一篇关于Python文件操作的学习总结,基于B站千锋教育课程内容整理而成。文章详细介绍了文件操作的基础知识,包括参数(路径、模式、编码)、注意事项(编码一致性、文件关闭)以及具体操作(创建、读取、写入文件)。同时,深入解析了路径的概念,区分绝对路径与相对路径,并通过示例演示两者在实际应用中的差异。此外,还强调了不同模式(如&quot;w&quot;覆盖写入和&quot;a&quot;追加写入)对文件内容的影响。整体内容逻辑清晰,适合初学者掌握Python文件操作的核心技巧。
|
23小时前
|
Python学习的自我理解和想法(25)
这是一篇关于Python操作Word文档(docx)的教程总结,基于B站千锋教育课程学习(非原创代码)。主要内容包括:1) docx库插件安装;2) 创建与编辑Word文档,如添加标题、段落、设置字体样式及保存;3) 向新或现有Word文档插入图片。通过简单示例展示了如何高效使用python-docx库完成文档操作。因开学时间有限,内容精简,后续将更新列表和表格相关内容。欢迎指正交流!
Python学习的自我理解和想法(17)
这是我在学习Python第17天的心得总结,基于B站千锋教育课程。今天主要学习了面向对象设计,包括其优缺点、基本概念(类与对象)、定义类、创建对象及调用方法等内容。面向对象编程虽增加了复杂性,但具备可重用性、可维护性、可扩展性和可理解性等优势。文中结合实例阐述了类与对象的关系,并分享了个人理解。因开学时间有限,内容简略,不足之处敬请指正,感谢阅读!
AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等