Numpy教程第1部分 - 阵列简介（常用基础操作总结）- 专知

Numpy教程第1部分 - 阵列简介（常用基础操作总结）

【导读】这里是numpy教程的基础部分，涵盖了使用numpy的ndarrays执行数据操作和分析的一些操作。众所周知，Numpy是Python中最基本和最强大的科学计算和数据处理软件包，下面是关于专知成员Fan在学习Numpy教程Part1的一个提炼总结。

原文参照以下链接：

https://www.machinelearningplus.com/numpy-tutorial-part1-array-python-examples/

注意：以下标红的部分是笔者学习后认为比较重要，以及常用的一些操作。

一、如何创建一个numpy数组？

1、创建numpy数组的方法有很多，其中最常用的是利用list创建数组。

import numpy as np
list1 = [0,1,2,3,4]
arr1d = np.array(list1)

2、array与list的最大区别是array是用来进行向量化操作（向量的应用特别广泛），而list不是；且array相比之下占用内存少。

3、你不可以给list中的元素全部直接加一个数，但是你可以对array进行这样的操作

list1 + 2  # error
arr1d + 2   #correct

#输出结果

> array([2, 3, 4, 5, 6])

4、一旦array创建，不可以改变大小，而list可以

5、array只能有一种数据类型，list可以有多种类型，但是我们可以例如：

arr1d_obj = np.array([1, 'a'], dtype='object')

6、将一个array变回list

arr1d_obj.tolist()

7、改变array的数据类型(将arr1d数据类型改为float)

arr1d.astype('float')

8、arr1d是一维数组，构建二维数组同样很简单，三维类似

list2 = [[0,1,2], [3,4,5], [6,7,8]]
arr2d = np.array(list2)
arr2d

#结果

> array([[0, 1, 2],
>        [3, 4, 5],
>        [6, 7, 8]])

二、array的一些固有参数？

1、array的维度

2、array每一维的情况，例如数组是3*4

3、数组的数据类型

4、数组的索引

# shape
print('Shape: ', arr2d.shape)
# dtype
print('Datatype: ', arr2d.dtype)
# size
print('Size: ', arr2d.size)
# ndim
print('Num Dimensions: ', arr2d.ndim)

三、如何从数组中提取特定元素？

1、例如提取前2行和列

arr2d[:2, :2]

2、numpy array支持bool型的索引，例如下面找出arr2d中大于4的情况：

b = arr2d > 4
b

#结果

> array([[False, False, False, False],
>        [False, False,  True,  True],
>        [ True,  True,  True,  True]], dtype=bool)

在此情况下，我们通过下面操作可以找出大于4的元素：

arr2d[b]

四、如何变化数组的行与列？

1、反转行（反转列类似），即最后一行变为第一行，其他也类推：

arr2d[::-1, ]

2、转置

arr2d[::-1,::-1 ]

五、如何表示数组中消失或无穷大的元素？

1、可以用nan表示消失的元素，inf表示无穷大的元素。（处理数据时，可能发现数据为Nan的情况）

例如插入nan与inf

arr2d[1,1] = np.nan  # not a number
arr2d[1,2] = np.inf

2、判断nan和inf,所对应的索引，然后改为-1：

missing_bool = np.isnan(arr2d) | np.isinf(arr2d)
arr2d[missing_bool] = -1

六、如何计算均值、最大值、最小值？

1、

print("Mean value is: ", arr2d.mean())
print("Max value is: ", arr2d.max())
print("Min value is: ", arr2d.min())

2、计算每一行/每一列的最小值（最大值、均值类似）：

print("Column wise minimum: ", np.amin(arr2, axis=0))#列
print("Row wise minimum: ", np.amin(arr2, axis=1))#行

七、如何利用一个已有的数组创建一个新的数组？

1、

arr2a = arr2d[:2,:2]
arr2a[:1, :1] = 100

注意这里会改变arr2d中的元素，上述过程并没有真正创建一个数组

2、

arr2b = arr2d[:2, :2].copy()
arr2b[:1, :1] = 101

（对于数据的拷贝和更改要十分注意）

注意这里不会改变arr2d，是一种复制

八、Reshaping 和 Flattening一个数组

1、reshape可以改为其他形式的数组，flatten改为一维数组

arr2d.reshape(4, 3)

九、flatten()与ravel()的区别？

ravel后改变元素会改变原始数组的值，而flatten不会改变

十、产生数组元素

1、线性切分：

np.linspace(start=1, stop=50, num=10, dtype=int)#1-50，划分十个数

2、对数切分：（注意起始与中止的数是要以幂次的形式，这里底为10，次方分别为1和50）

np.logspace(start=1, stop=50, num=10, base=10) #10^1-10^50划分十个数

3、创建2*2的全0和全1数组：

np.zeros([2,2])
np.ones([2,2])

4、

np.arange(0, 10, 2)#0-10以2为间隔划分

十一、如何重复序列

a = [1, 2, 3]

# 重复a序列两次
print('Tile:   ', np.tile(a, 2))

# 重复a中元素两次
print('Repeat: ', np.repeat(a, 2))
# > Tile:    [1 2 3 1 2 3]
# > Repeat:  [1 1 2 2 3 3]

十二、如何产生随机数

1、

print(np.random.randint(0, 10, size=[2,2]))#产生元素为0-10的2*2数组

2、

print(np.random.choice(['a', 'e', 'i', 'o', 'u'], size=10, p=[0.3, .1, 0.1, 0.4, 0.1]))
#在字符中，随机产生十次字符，每次产生时，按照给定可能性产生

3、给一个随机种子：

np.random.seed(100)

# Create random numbers between [0,1) of shape 2,2
print(np.random.rand(2, 2))

# > [[ 0.54  0.28]
# >  [ 0.42  0.84]]

十三、如何知道数组中所含有的元素以及每个元素所对应的个数？（用于统计数组中的数据以及数据个数）

np.random.seed(100)
arr_rand = np.random.randint(0, 10, size=10)
print(arr_rand)

# > [8 8 3 7 7 0 4 2 5 2]
# Get the unique items and their counts
uniqs, counts = np.unique(arr_rand, return_counts=True)
print("Unique items : ", uniqs)
print("Counts       : ", counts)

# > Unique items :  [0 2 3 4 5 7 8]
# > Counts       :  [1 2 1 1 1 2 2]

总结：

好的，以上就是Numpy教程的基础部分，后续会介绍Numpy教程的提升部分，将详细说明Numpy用于数据分析所体现的功能。我们都知道python以其强大的数据处理能力著称，而numpy则是python数据处理最重要的包之一。在这里编者圈出了原文（part1部分）关于特殊形式array的构造、array中特定元素的提取、以及array中的数据统计情况。

-END-

专 · 知

人工智能领域主题知识资料查看获取：【专知荟萃】人工智能领域26个主题知识资料全集（入门/进阶/论文/综述/视频/专家等）

同时欢迎各位用户进行专知投稿，详情请点击：

【诚邀】专知诚挚邀请各位专业者加入AI创作者计划！了解使用专知！

请PC登录www.zhuanzhi.ai或者点击阅读原文，注册登录专知，获取更多AI知识资料！