NumPy是Python的一個(gè)擴(kuò)展庫(kù)，負(fù)責(zé)數(shù)組和矩陣運(yùn)行,。相較于傳統(tǒng)Python,，NumPy運(yùn)行效率高,，速度快,，是利用Python處理數(shù)據(jù)必不可少的工具,。

這個(gè)NumPy快速入門系列分為四篇,，包含了NumPy大部分基礎(chǔ)知識(shí),，每篇閱讀時(shí)間不長(zhǎng)，但內(nèi)容含量高,。大家最好親自碼一遍代碼,，這樣可以更有收獲。

概要

輕松認(rèn)識(shí)和安裝NumPy,，對(duì)NumPy建立一個(gè)良好印象,。

掌握NumPy的各種屬性，讓使用數(shù)組變得得心應(yīng)手,。

學(xué)會(huì)三種創(chuàng)建數(shù)組方法,，讓創(chuàng)建數(shù)組變得輕而易舉。

NumPy安裝和介紹

NumPy安裝

我們提供兩種命令安裝方法,，都非常簡(jiǎn)便：

• pip命令安裝

• conda命令安裝

這兩種安裝方法適用于Windows, Linux,以及Mac系統(tǒng),。

（1）pip命令：pip install numpy

當(dāng)終端顯示成功安裝或者已經(jīng)安裝說(shuō)明numpy已經(jīng)安裝完畢。

（2）conda命令:conda install numpy

conda命令是通過(guò)Anaconda軟件來(lái)安裝NumPy,。安裝好Anaconda軟件后,，打開(kāi)Anaconda Prompt后在里面輸入conda install numpy命令即可。

安裝完成后,，為了檢驗(yàn)NumPy是否可以使用,，我們用一個(gè)簡(jiǎn)單的例子做個(gè)實(shí)驗(yàn)：

代碼：

講解：

為了方便，大家一般采用import numpy as np這種調(diào)用方法,，將numpy縮寫成np來(lái)使用,。我們使用NumPy中的eye()函數(shù)來(lái)檢查NumPy是否已經(jīng)安裝完成，eye(N)是一個(gè)產(chǎn)生N*N的單位矩陣

運(yùn)行結(jié)果：

[[1. 0. 0. 0.] [0. 1. 0. 0.] [0. 0. 1. 0.] [0. 0. 0. 1.]]

如果大家的屏幕里面也出現(xiàn)了這個(gè)結(jié)果,，那么恭喜你NumPy庫(kù)已經(jīng)成功安裝,，可以開(kāi)始正式學(xué)習(xí)了。

NumPy和列表

我們首先要搞清楚的是,，NumPy處理的對(duì)象是什么,。事實(shí)上，我們把NumPy處理的對(duì)象叫ndarray，這是一個(gè)縮寫,，翻譯過(guò)來(lái)叫做多維數(shù)組,。ndarray類型的數(shù)據(jù)和我們之前學(xué)過(guò)的列表頗有淵源：

代碼：

講解：

我們首先建立一個(gè)列表，然后通過(guò)np.array函數(shù)將這個(gè)列表轉(zhuǎn)換成一個(gè)NumPy數(shù)組,，通過(guò)打印這兩個(gè)變量的type信息,，我們可以發(fā)現(xiàn)二者的區(qū)別和聯(lián)系。

運(yùn)行結(jié)果：

<class 'list'><class 'numpy.ndarray'>

沒(méi)錯(cuò),，arr變量的數(shù)據(jù)類型是ndarray,。當(dāng)然，我們并不是總是通過(guò)轉(zhuǎn)換列表變成ndarray,。我們想強(qiáng)調(diào)的是,，雖然NumPy數(shù)組雖然和列表很類似，但是二者卻是完全不同的數(shù)據(jù)類型,，因此二者使用方法也有很大不同,。

Numpy比Python列表更具優(yōu)勢(shì)，其中一個(gè)優(yōu)勢(shì)便是速度,。在對(duì)大型數(shù)組執(zhí)行操作時(shí),，Numpy的速度比Python列表的速度快了好幾百。因?yàn)镹umpy數(shù)組本身能節(jié)省內(nèi)存,，并且Numpy在執(zhí)行算術(shù),、統(tǒng)計(jì)和線性代數(shù)運(yùn)算時(shí)采用了優(yōu)化算法。

常見(jiàn)數(shù)組

我們最后給大家介紹常見(jiàn)的幾種ndarray數(shù)組：

代碼：

講解：

a是一個(gè)一維數(shù)組,；b是一個(gè)二維數(shù)組,；c是復(fù)數(shù)變量的一維數(shù)組。這些都是常見(jiàn)的ndarray,，以后我們將會(huì)用NumPy提供的函數(shù)對(duì)這些常見(jiàn)的數(shù)組進(jìn)行處理,，來(lái)完成我們想要的目標(biāo)。

運(yùn)行結(jié)果：

[1 2 3][[1 2] [3 4]][1.+0.j 2.+0.j 3.+0.j]

NumPy數(shù)組屬性

我們將幾種常見(jiàn)數(shù)組屬性分成以下幾種：

• 數(shù)據(jù)類型 dtype

• 元素個(gè)數(shù) size

• 維度 ndim

• 形狀 shape

• 實(shí)部和虛部 real image

NumPy支持很多不同的數(shù)據(jù)類型,，從整數(shù)型(int)到浮點(diǎn)型(float),，再到復(fù)數(shù)型，應(yīng)有盡有,。如何判斷數(shù)組的數(shù)據(jù)類型是一件比較重要的事情,，NumPy給我們提供了dtype命令來(lái)查看數(shù)據(jù)類型：

代碼：

講解：

我們分別建立了三個(gè)NumPy數(shù)組，a是整數(shù)型,；b是浮點(diǎn)型,；c是復(fù)數(shù)型。dtype既可以在創(chuàng)建數(shù)組的時(shí)候申明變量類型,，也可以通過(guò)打印告訴我們數(shù)組的數(shù)據(jù)類型,。

運(yùn)行結(jié)果：

int32 float64 complex128

在我們知道了NumPy數(shù)據(jù)類型后,，我們還需要知道它的更多屬性來(lái)全面了解這個(gè)數(shù)組。

代碼：

b = np.array([[1.1, 2], [3.1, 4.2]])c = np.array([1, 2, 3], dtype = complex)print (b.ndim, b.shape, b.size)print (c.real, c.imag)

講解：

我們分別查看了b數(shù)組的維度,，形狀,，以及元素個(gè)數(shù)。我們知道b是一個(gè)2*2的浮點(diǎn)型數(shù)組,，因?yàn)樗木S度是2,形狀就是行數(shù)乘以列數(shù)(2,2),；元素個(gè)數(shù)是4。對(duì)于c這個(gè)復(fù)數(shù)數(shù)組,，我們調(diào)用了實(shí)部(real)和虛部(imag)這個(gè)兩個(gè)屬性。

運(yùn)行結(jié)果：

創(chuàng)建數(shù)組

對(duì)于NumPy數(shù)組,，一般而言我們有三種創(chuàng)建方法：

1. 用np.array直接填入已知數(shù)據(jù),，比如我們?cè)诘谝恍」?jié)介紹常見(jiàn)數(shù)組的時(shí)候用的方法。

2. 用特殊函數(shù)創(chuàng)建符合一定規(guī)律的數(shù)組,。比如numpy.zeros：創(chuàng)建元素全是0的數(shù)組,。

3. 用asarray將其他類型數(shù)據(jù)轉(zhuǎn)換成NumPy數(shù)組。

我們先介紹第二種方法中常見(jiàn)的幾種函數(shù)：

• numpy.zeros 創(chuàng)建元素全是0的數(shù)組

• numpy.ones 創(chuàng)建元素全是1的數(shù)組

• numpy.arrange 創(chuàng)建數(shù)值范圍

• numpy.linspace 創(chuàng)建數(shù)值范圍

np.zeros() & np.ones()

代碼：

e = np.array([1, 2, 3], dtype=float)f = np.zeros((3,2),dtype=int)g = np.ones((1,3))print (e)print (f)print (g)

講解：

我們用第一種方法,，創(chuàng)建了數(shù)據(jù)類型為浮點(diǎn)型(float)的數(shù)組e;然后通過(guò)第二種方法,，分別創(chuàng)建了元素都是0和1的兩個(gè)數(shù)組。注意到我們可以通過(guò)dtype,，以及shape等來(lái)控制數(shù)組屬性,。在上面的例子中f和g,我們把shape省略了，只用(3,2)這種形式,。

運(yùn)行結(jié)果：

np.arrange()

很多情況下我們非常想要得到從一個(gè)整數(shù)到另一個(gè)整數(shù)的一個(gè)數(shù)組,，比如周一到周日，一天中從1點(diǎn)到24點(diǎn)等,，還有從-10度到40度的溫度范圍,。這時(shí)候用NumPy中的arange函數(shù)就可以幫助你達(dá)成這個(gè)目標(biāo)。

arange函數(shù)有四個(gè)輸入?yún)?shù)來(lái)調(diào)整：

• start 起始值

• stop 終止值

• step 步長(zhǎng)（默認(rèn)是1）

• dtype 數(shù)據(jù)類型,。

值得注意的是,，這里的終止值是取不到的，所以真正意義上而言終止值是stop-1,。

代碼：

import numpy as npa = np.arange(5)b = np.arange(1,5)c = np.arange(1,10,2)d = np.arange(2,6,dtype=float)print (a, b, c, d)

講解：

我們一共建立了四個(gè)數(shù)組,，第一個(gè)我們只有一個(gè)參數(shù)，是終止值參數(shù),，這時(shí)候其他參數(shù)都是默認(rèn)的,。第二個(gè)數(shù)組，我們給定了起始值和終止值,。第三個(gè)數(shù)組我們?cè)黾恿瞬介L(zhǎng),。第四個(gè)數(shù)組，我們隱藏的其實(shí)是步長(zhǎng)，也就是取默認(rèn)值1,。大家在看答案之前可以猜一下a,b,c,d分別是多少,。

運(yùn)行結(jié)果：

[0 1 2 3 4] [1 2 3 4] [1 3 5 7 9] [2. 3. 4. 5.]

np.linspace()

linspace是linear space的縮寫，線性空間,。和arange稍有不同的是,，linspace沒(méi)有步長(zhǎng)，相反它有個(gè)叫做num的參數(shù)來(lái)控制生成數(shù)列的總數(shù)目,。也就是說(shuō),，在給定起始值和終止值的時(shí)候，步長(zhǎng)被總數(shù)目決定了,。

代碼：

講解：

我們分別利用linspace建立了三個(gè)數(shù)組,，第一個(gè)endpoint不賦值，默認(rèn)是True,，默認(rèn)終止值是包含在內(nèi)的,；第二個(gè)我們不把終止值包括在內(nèi)；最后我們用retstep=True顯示數(shù)列的間距,。

運(yùn)行結(jié)果：

[ 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.][10. 12. 14. 16. 18.](array([10., 12., 14., 16., 18.]), 2.0)

第三種創(chuàng)建方法：asarray() & array()

asarray函數(shù)可以將其他數(shù)據(jù)類型轉(zhuǎn)換成Numpy數(shù)組,。

代碼：

講解：

我們建立了一個(gè)列表a和一個(gè)元組b，分別用np.array和np.asarray來(lái)轉(zhuǎn)換,。其實(shí)在將列表和元組轉(zhuǎn)換成numpy數(shù)組的時(shí)候效果是一樣的,。也就是說(shuō)不論是從列表a出發(fā)得到的a_1和a_2還是從元組b出發(fā)得到的b_1和b_2都是numpy數(shù)組[1,2,3]。

但是,，他們二者還是有區(qū)別的,，當(dāng)數(shù)據(jù)源是ndarray,即numpy數(shù)組的時(shí)候，array會(huì)復(fù)制出一個(gè)副本,，占用新的內(nèi)存,，但是asarray并不會(huì)。從這里看來(lái),，對(duì)一般的程序任務(wù),，我們并不太需要區(qū)分array和asarray，除非做大型數(shù)據(jù)的時(shí)候

運(yùn)行結(jié)果：

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