目录
- 简介
- 安装NumPy
- Array和List
- 创建Array
- Array操作
- sort
- concatenate
- 统计信息
- reshape
- 增加维度
- index和切片
- 从现有数据中创建Array
- 算数运算
- 其他有用操作
- 矩阵
- 生成随机数
- unique
- 矩阵变换
- 反转数组
- flatten 和 ravel
- save 和 load
- CSV
简介
NumPy是一个开源的Python库,主要用在数据分析和科学计算,基本上可以把NumPy看做是Python数据计算的基础,因为很多非常优秀的数据分析和机器学习框架底层使用的都是NumPy。比如:Pandas, SciPy, Matplotlib, scikit-learn, scikit-image 等。
NumPy库主要包含多维数组和矩阵数据结构。 它为ndarray(一个n维数组对象)提供了对其进行有效操作的方法。 NumPy可以用于对数组执行各种数学运算。 并且提供了可在这些数组和矩阵上运行的庞大的高级数学函数库。
安装NumPy
有很多方式可以按照NumPy:
pip install numpy
如果你使用的是conda,那么可以:
conda install numpy
或者直接使用Anaconda. 它是一系列数据分析包的集合。
Array和List
Python中有一个数据类型叫做List,list中可以存储不同种类的对象。在应用程序中这样做没有什么问题,但是如果是在科学计算中,我们希望一个数组中的元素类型必须是一致的,所以有了NumPy中的Array。
NumPy可以快速的创建Array,并且对其中的数据进行操作。
NumPy中的Array要比Python中的List要快得多,并且占用更少的内存空间。
看下两者之间的性能差异:
In [1]: import numpy as np ...: my_arr = np.arange(1000000) ...: my_list = list(range(1000000)) ...: %time for _ in range(10): my_arr2 = my_arr * 2 ...: %time for _ in range(10): my_list2 = [x * 2 for x in my_list] ...: CPU times: user 12.3 ms, sys: 7.88 ms, total: 20.2 ms Wall time: 21.4 ms CPU times: user 580 ms, sys: 172 ms, total: 752 ms Wall time: 780 ms
上面的例子对一个包含一百万的数据进行乘2操作,可以看到,使用NumPy的效率是Python的几十倍,如果在大型数据项目中这个效率会造成非常大的性能影响。
创建Array
上面的例子中,我们已经创建了一个array,使用的是np.arange方法。
我们还可以通过List来创建Array,List可以是一维列表,也可以是多维列表:
>>> a = np.array([1, 2, 3, 4, 5, 6]) >>> a = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])
和List一样,Array也可以通过index来访问:
>>> print(a[0]) [1 2 3 4]
接下来我们介绍几个常用的名词:
- vector — 表示的是一维数组
- matrix — 表示的是二维数组
- tensor — 表示的是三维或者更高维度的数组
在NumPy中维度也被称之为 axes 。
下面我们来看下其他几种创建Array的方法:
最简单的就是np.array,之前的例子中我们已经提到过了。
如果要快速的创建都是0 的数组,我们可以使用zeros:
>>> np.zeros(2) array([0., 0.])
或者都填充为1:
>>> np.ones(2) array([1., 1.])
还可以创建空的数组:
In [2]: np.empty(2) Out[2]: array([0. , 2.00389455])
注意,empty方法中的内容并不一定是空的,而是随机填充数据,所以我们在使用empty创建数组之后,一定要记得覆盖其中的内容。使用empty的好处就是创建的速度比较快。
还可以在range范围内填充数组:
In [3]: np.arange(10) Out[3]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
可以指定间隔:
In [4]: np.arange(1,10,2) Out[4]: array([1, 3, 5, 7, 9])
使用linspace可以创建等分的数组:
In [5]: np.linspace(0, 10, num=5) Out[5]: array([ 0. , 2.5, 5. , 7.5, 10. ])
默认情况下创建的数组内容类型是np.float64,我们还可以将其切换成整数:np.int64
In [6]: x = np.ones(2, dtype=np.int64) In [7]: x Out[7]: array([1, 1])
Array操作
sort
我们可以使用sort对数组进行排序:
In [8]: arr = np.array([2, 1, 5, 3, 7, 4, 6, 8]) In [10]: np.sort(arr) Out[10]: array([1, 2, 3, 4, 5, 6, 7, 8])
sort是对Array中的元素进行排序, 除了sort之外还有其他的一些排序的方法。
还可以使用argsort,argsort是一种间接排序的方法,他返回的是排序好的原数组的index:
In [11]: x = np.array([10, 5, 6]) In [12]: np.argsort(x) Out[12]: array([1, 2, 0])
上面我们对array进行argsort,排序之后应该返回,5,6,10。 5的index是1,6 的index是2,10的index是0,所以返回1,2,0。
lexsort和argsort一样都是间接排序法,返回的都是排序过后的index,不同是lexsort 可以进行多key的排序。
surnames = ('Hertz', 'Galilei', 'Hertz') first_names = ('Heinrich', 'Galileo', 'Gustav') ind = np.lexsort((first_names, surnames)) ind array([1, 2, 0])
上面的lexsort是先按照surnames排序,然后再按照first_names进行排序。
lexsort 的排序顺序是从后到前。也就是最后一个传入的key最先排序。
searchsorted用来查找要插入元素的index值,举个例子:
np.searchsorted([1,2,3,4,5], 3) 2 np.searchsorted([1,2,3,4,5], 3, side='right') 3 np.searchsorted([1,2,3,4,5], [-10, 10, 2, 3]) array([0, 5, 1, 2])
partition是对要排序的数据进行分割,举个例子:
a = np.array([3, 4, 2, 1]) np.partition(a, 3) array([2, 1, 3, 4])
第一个参数是一个Array,第二个参数是要分隔的基准元素,这个基准元素的位置和排序过后的位置是一样的,其他的元素比基准元素小的放在前面,比基准元素大的放在后面。
还可以按照多个元素进行分割:
np.partition(a, (1, 3)) array([1, 2, 3, 4])
concatenate
concatenate用来连接多个数组。
>>> a = np.array([1, 2, 3, 4]) >>> b = np.array([5, 6, 7, 8]) >>> np.concatenate((a, b)) array([1, 2, 3, 4, 5, 6, 7, 8])
还可以连接多维数组:
>>> x = np.array([[1, 2], [3, 4]]) >>> y = np.array([[5, 6]]) >>> np.concatenate((x, y), axis=0) array([[1, 2], [3, 4], [5, 6]])
统计信息
ndarray.ndim
用来统计数组的维数:
>>> array_example = np.array([[[0, 1, 2, 3], ... [4, 5, 6, 7]], ... ... [[0, 1, 2, 3], ... [4, 5, 6, 7]], ... ... [[0 ,1 ,2, 3], ... [4, 5, 6, 7]]])
>>> array_example.ndim 3
ndarray.size 用来统计数组中的元素个数:
>>> array_example.size 24
ndarray.shape
输出数组的形状:
>>> array_example.shape (3, 2, 4)
说明上面的数组是一个3 * 2 * 4 的数组。
reshape
使用reshape可以重新构造一个数组。
>>> a = np.arange(6) >>> print(a) [0 1 2 3 4 5] >>> b = a.reshape(3, 2) >>> print(b) [[0 1] [2 3] [4 5]]
上面我们将一个一维的数组转成了一个3* 2 的数组。
reshape还可以接受多个参数:
>>> numpy.reshape(a, newshape=(1, 6), order='C') array([[0, 1, 2, 3, 4, 5]])
第一个参数是要重构的数组,第二个参数新的shape,order可以取三个值,C,F或者A。
C表示按照C的index方式进行排序,F表示按照Fortran的index方式进行排序。A表示自动选择。
在Fortran中,当移动存储在内存中的二维数组的元素时,第一个索引是变化最快的索引。 当第一个索引更改时移动到下一行时,矩阵一次存储一列。另一方面,在C中,最后一个索引变化最快。
增加维度
np.newaxis可以给现有的数组增加一个维度:
>>> a = np.array([1, 2, 3, 4, 5, 6]) >>> a.shape (6,) >>> a2 = a[np.newaxis, :] >>> a2.shape (1, 6) >>> col_vector = a[:, np.newaxis] >>> col_vector.shape (6, 1)
还可以使用expand_dims来指定axis的位置:
>>> b = np.expand_dims(a, axis=1) >>> b.shape (6, 1) >>> c = np.expand_dims(a, axis=0) >>> c.shape (1, 6)
index和切片
数组的index和切片跟Python中的list是类似的:
>>> data = np.array([1, 2, 3]) >>> data[1] 2 >>> data[0:2] array([1, 2]) >>> data[1:] array([2, 3]) >>> data[-2:] array([2, 3])
除此之外,数组还支持更多更强大的index操作:
>>> a = np.array([[1 , 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]]) >>> print(a[a < 5]) [1 2 3 4]
上面我们找出了a中所有元素小于5的值。
In [20]: a<5 Out[20]: array([[ True, True, True, True], [False, False, False, False], [False, False, False, False]])
可以看到a< 5 其实返回的也是一个数组,这个数组的元素shape和原数组是一样的,只不过里面的值是true和false,表示是否应该被选择出来。
同样的,我们可以挑出所有大于5的元素:
>>> five_up = (a >= 5) >>> print(a[five_up]) [ 5 6 7 8 9 10 11 12]
选出所有可以被2整除的数:
>>> divisible_by_2 = a[a%2==0] >>> print(divisible_by_2) [ 2 4 6 8 10 12]
还可以使用 & 和 | 运算符:
>>> c = a[(a > 2) & (a < 11)] >>> print(c) [ 3 4 5 6 7 8 9 10]
还可以使用nonzero来打印出满足条件的index信息:
In [23]: a = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]]) In [24]: b = np.nonzero(a < 5) In [25]: b Out[25]: (array([0, 0, 0, 0]), array([0, 1, 2, 3])) >>> print(a[b]) [1 2 3 4]
上面返回的元组中,第一个值表示的是行号,第二个值表示的是列。
从现有数据中创建Array
我们可以使用 slicing , indexing,np.vstack(),np.hstack(),np.hsplit(),.view(),copy() 来从现有数据中创建Array。
前面的例子中,我们看到可以使用List和切片来创建新的数组:
>>> a = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10]) >>> arr1 = a[3:8] >>> arr1 array([4, 5, 6, 7, 8])
两个现有的数组可以进行垂直或者水平堆叠:
>>> a1 = np.array([[1, 1], ... [2, 2]]) >>> a2 = np.array([[3, 3], ... [4, 4]]) >>> np.vstack((a1, a2)) array([[1, 1], [2, 2], [3, 3], [4, 4]]) >>> np.hstack((a1, a2)) array([[1, 1, 3, 3], [2, 2, 4, 4]])
使用hsplit 可以将大的数组分割成为几个小的数组:
>>> x = np.arange(1, 25).reshape(2, 12) >>> x array([[ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12], [13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24]]) >>> np.hsplit(x, 3) [array([[1, 2, 3, 4], [13, 14, 15, 16]]), array([[ 5, 6, 7, 8], [17, 18, 19, 20]]), array([[ 9, 10, 11, 12], [21, 22, 23, 24]])]
算数运算
array的加法:
>>> data = np.array([1, 2]) >>> ones = np.ones(2, dtype=int) >>> data + ones array([2, 3])
其他的运算:
>>> data - ones array([0, 1]) >>> data * data array([1, 4]) >>> data / data array([1., 1.])
array求和:
>>> a = np.array([1, 2, 3, 4]) >>> a.sum() 10
如果是求和多维数组的话,需要指定维度:
>>> b = np.array([[1, 1], [2, 2]]) >>> b.sum(axis=0) array([3, 3]) >>> b.sum(axis=1) array([2, 4])
其他有用操作
这里列出了其他的有用操作:
>>> data.max() 2.0 >>> data.min() 1.0 >>> data.sum() 3.0
对于二维数组来说,sum默认会求和所有的元素,min也会从所有元素中查找最小的:
>>> a = np.array([[0.45053314, 0.17296777, 0.34376245, 0.5510652], ... [0.54627315, 0.05093587, 0.40067661, 0.55645993], ... [0.12697628, 0.82485143, 0.26590556, 0.56917101]]) >>> a.sum() 4.8595784 >>> a.min() 0.05093587
我们还可以指定维度:
>>> a.min(axis=0) array([0.12697628, 0.05093587, 0.26590556, 0.5510652 ])
矩阵
矩阵就是 2 * 2 的数组:
>>> data = np.array([[1, 2], [3, 4]]) >>> data array([[1, 2], [3, 4]])
矩阵同样可以进行统计操作:
>>> data.max() 4 >>> data.min() 1 >>> data.sum() 10
默认情况是累加所有的元素,我们也可以指定特定的累加维度:
>>> data.max(axis=0) array([3, 4]) >>> data.max(axis=1) array([2, 4])
矩阵的运算:
>>> data = np.array([[1, 2], [3, 4]]) >>> ones = np.array([[1, 1], [1, 1]]) >>> data + ones array([[2, 3], [4, 5]])
如果是多维的和低维的进行运算,那么将会使用内置的broadcast机制,将低维的进行广播:
>>> data = np.array([[1, 2], [3, 4], [5, 6]]) >>> ones_row = np.array([[1, 1]]) >>> data + ones_row array([[2, 3], [4, 5], [6, 7]])
生成随机数
在机器学习中,生成随机数是一个非常重要的功能。我们看下如何在Numpy中生成随机数。
>>> rng = np.random.default_rng(0) >>> rng.random(3) array([0.63696169, 0.26978671, 0.04097352]) >>> rng.random((3, 2)) array([[0.01652764, 0.81327024], [0.91275558, 0.60663578], [0.72949656, 0.54362499]]) # may vary >>> rng.integers(5, size=(2, 4)) array([[2, 1, 1, 0], [0, 0, 0, 4]]) # may vary
unique
np.unique
可以统计数组的唯一值:
>>> a = np.array([11, 11, 12, 13, 14, 15, 16, 17, 12, 13, 11, 14, 18, 19, 20]) >>> unique_values = np.unique(a) >>> print(unique_values) [11 12 13 14 15 16 17 18 19 20]
还可以返回index或者count:
>>> unique_values, indices_list = np.unique(a, return_index=True) >>> print(indices_list) [ 0 2 3 4 5 6 7 12 13 14]
>>> unique_values, occurrence_count = np.unique(a, return_counts=True) >>> print(occurrence_count) [3 2 2 2 1 1 1 1 1 1]
对矩阵也适用:
>>> a_2d = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12], [1, 2, 3, 4]]) >>> unique_values = np.unique(a_2d) >>> print(unique_values) [ 1 2 3 4 5 6 7 8 9 10 11 12]
如果想得到唯一的行或者列,可以传入axis参数:
>>> unique_rows = np.unique(a_2d, axis=0) >>> print(unique_rows) [[ 1 2 3 4] [ 5 6 7 8] [ 9 10 11 12]]
矩阵变换
我们可以使用transpose来把矩阵的行和列进行调换:
>>> arr = np.arange(6).reshape((2, 3)) >>> arr array([[0, 1, 2], [3, 4, 5]]) >>> arr.transpose() array([[0, 3], [1, 4], [2, 5]])
反转数组
使用flip可以反转数组:
>>> arr = np.array([1, 2, 3, 4, 5, 6, 7, 8]) >>> reversed_arr = np.flip(arr) >>> print('Reversed Array: ', reversed_arr) Reversed Array: [8 7 6 5 4 3 2 1]
如果是2维的数组:
>>> arr_2d = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]]) >>> reversed_arr = np.flip(arr_2d) >>> print(reversed_arr) [[12 11 10 9] [ 8 7 6 5] [ 4 3 2 1]]
默认会反转行和列,我们也可以只反转行或者列:
>>> reversed_arr_rows = np.flip(arr_2d, axis=0) >>> print(reversed_arr_rows) [[ 9 10 11 12] [ 5 6 7 8] [ 1 2 3 4]] >>> reversed_arr_columns = np.flip(arr_2d, axis=1) >>> print(reversed_arr_columns) [[ 4 3 2 1] [ 8 7 6 5] [12 11 10 9]]
还可以只反转一行或者一列:
>>> arr_2d[1] = np.flip(arr_2d[1]) >>> print(arr_2d) [[ 1 2 3 4] [ 8 7 6 5] [ 9 10 11 12]] >>> arr_2d[:,1] = np.flip(arr_2d[:,1]) >>> print(arr_2d) [[ 1 10 3 4] [ 8 7 6 5] [ 9 2 11 12]]
flatten 和 ravel
flatten 可以将数组变成一维的:
>>> x = np.array([[1 , 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]]) >>> x.flatten() array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12])
flatten之后的数组和原数组是无关的,我们修改flatten之后的数组不会改变之前的数组内容:
>>> a1 = x.flatten() >>> a1[0] = 99 >>> print(x) # Original array [[ 1 2 3 4] [ 5 6 7 8] [ 9 10 11 12]] >>> print(a1) # New array [99 2 3 4 5 6 7 8 9 10 11 12]
但是如果使用ravel,对新数组的修改同样也会改变原始数组:
>>> a2 = x.ravel() >>> a2[0] = 98 >>> print(x) # Original array [[98 2 3 4] [ 5 6 7 8] [ 9 10 11 12]] >>> print(a2) # New array [98 2 3 4 5 6 7 8 9 10 11 12]
save 和 load
NumPy 的对象可以通过save和load存放到文件和从文件中加载:
>>> a = np.array([1, 2, 3, 4, 5, 6]) >>> np.save('filename', a) >>> b = np.load('filename.npy')
如果想以文本的方式来存储,那么可以使用np.savetxt:
>>> csv_arr = np.array([1, 2, 3, 4, 5, 6, 7, 8]) >>> np.savetxt('new_file.csv', csv_arr) >>> np.loadtxt('new_file.csv') array([1., 2., 3., 4., 5., 6., 7., 8.])
CSV
NumPy有专门的方法来对CSV文件进行操作:
>>> import pandas as pd >>> # If all of your columns are the same type: >>> x = pd.read_csv('music.csv', header=0).values >>> print(x) [['Billie Holiday' 'Jazz' 1300000 27000000] ['Jimmie Hendrix' 'Rock' 2700000 70000000] ['Miles Davis' 'Jazz' 1500000 48000000] ['SIA' 'Pop' 2000000 74000000]] >>> # You can also simply select the columns you need: >>> x = pd.read_csv('music.csv', usecols=['Artist', 'Plays']).values >>> print(x) [['Billie Holiday' 27000000] ['Jimmie Hendrix' 70000000] ['Miles Davis' 48000000] ['SIA' 74000000]]