Python | Numpy简介

2022-04-29 09:04:12 浏览数 (1)

Numpy简介

  • python标准库中的列表(list)可以当数组用，支持动态内存分配和垃圾收集，列表元素可以是任何对象，功能强大！
  • 列表的缺点：
    1. 慢：循环时有各种下标检查和类型检查
    2. 占内存多：保存的是对象 指针
  • NumPy的优点：
    1. 两大法宝：多维数组ndarray和通用函数ufunc
    2. 面向数值计算，速度快（内置函数逼近c语言）
  • NumPy官方提供丰富的中文资源
  • 如何使用Numpy等python第三方软件包？（如何开外挂？）
    1. 先导入再使用，没导入就没法用
    2. 如何导入？用import
    3. 被import的可以是通过conda或pip安装的包，也可以是python的path中（包括当前目录）的其它x.py文件。
代码语言：javascript复制
# 导入名为numpy的包，命名为np
import numpy as np

多维数组ndarray对象

  • 多维数组ndarray（n-dimensional array object）是NumPy的核心对象
  • 它存储单一类型的多维数组，注意与列表（list）的区别
  • 结构简单，功能强大
  • 使用优化过的C API，速度快

ndarray对象：创建

代码语言：javascript复制
# 给np.array()函数传递python序列对象
a=np.array([1,2,3,4])
b=np.array((5,6,7,8))
c=np.array([[1,2,3,4],[4,5,6,7],[7,8,9,10]])
print('a = ',a)
print('b = ',b)
print('c = ',c)

输出结果

代码语言：javascript复制
# 也可以用zeros, ones, empty和full函数，创建指定大小，值为0/1/空/定数值的数组
zz=np.zeros((2,3,4))
oo=np.ones((2,3,4))
ee=np.empty((2,3,4))
ff=np.full((2,3,4),999)
print('zz = ', zz)
print('oo = ', oo)
print('ee = ', ee)
print('ff = ', ff)
# empty只分配内存，不赋值，最快。但是里面的内容是啥就不一定了！使用empty创建的ndarray，一定得初始化再使用。

输出结果

代码语言：javascript复制
# 创建形状类型与a相同的数组
za = np.zeros_like(a)
oa = np.ones_like(a)
ea = np.empty_like(a)
fa = np.full_like(a,999)

ndarray对象：形状

  • 数组对象的形状通过shape属性获得，返回一个描述数组各个轴的长度的元组(tuple)，元组的长度等于数组的维数
  • 例如:
    • (3,4)，表示第0轴长度为3，第1轴长度为4（三行四列）
    • (2,3,4)表示第0轴长度为2，第1轴长度为3，第2轴长度为4
  • 建议同学们使用第X轴的方式思考，0轴在最顶层，以此类推
  • ndarray类型的对象里面，数据都是一维化之后存储在连续分配的内存中，ndarray的维度仅仅是告诉numpy如何读取而已
  • 所以，可以通过改变shape属性，改变数组的形状。（注意和转置的区别！！！）
代码语言：javascript复制
c = np.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]]])
print(c.shape)
print(c) # 2片，3行，4列（第0轴长度为2，第1轴长度为3，第2轴长度为4）
代码语言：javascript复制
# 改变数组的形状
c.shape = (2,4,3) # 注意这不是转置！！！改变形状之后，数据的顺序是不变的。
print(c.shape)
print(c)
代码语言：javascript复制
# 用-1表示这一个维度的长度是自动计算的
c.shape = 3,-1
print(c.shape)
print(c)
代码语言：javascript复制
# 使用reshape创建指定形状的新数组
d = c.reshape((2,3,4))
print('d.shape = ', d.shape)
print('d = ', d)
# c的形状不变
print('c.shape = ', c.shape)
代码语言：javascript复制
# 改变d的元素，c的元素仍会改变！
# 完全复制建议使用copy.deepcopy()
c[0,0] = 2233
print('c = ', c)
print('d = ', d)

ndarray对象：类型

  • 在读写地理数据时，ndarray的类型很重要！
  • np数组如c语言一样有类型，通过dtype属性查看
  • 创建数组时可以指定数据类型
  • numpy支持的数据类型比python标准库支持的更加广泛
代码语言：javascript复制
# 看看ndarray c的类型
print(c.dtype)
代码语言：javascript复制
# 创建array的默认数据类型是？
a = np.array([1,2,3,4])
print(a.dtype)
b = np.array([1.0, 2.0, 3.0, 4.0])
print(b.dtype)
c = np.zeros(4)
print(c.dtype)
代码语言：javascript复制
# 创建数组时指定数据类型
ai32 = np.array([1, 2, 3, 4], dtype=np.int32) 
af = np.array([1, 2, 3, 4], dtype=float)
ac = np.array([1, 2, 3, 4], dtype=complex) 
# 其中np.int32时numpy的数据类型；float和complex是python内置的型，会自动转换为numpy的数据类型
print(ai32.dtype)
print(af.dtype)
print(ac.dtype)
代码语言：javascript复制
# 数组的类型转换
t1 = np.array([1, 2, 3, 4], dtype=np.float) 
t2 = np.array([1, 2, 3, 4], dtype=np.complex) 
t3 = t1.astype(np.int32)
t4 = t2.astype(np.complex64)
print(t1.dtype)
print(t2.dtype)
print(t3.dtype)
print(t4.dtype)

ndarray对象：从数列创建

  • np.arange()
    • 通过开始值、终值和步长来创建等差数列
    • np.arange(0, 1, 0.1)
    • 注意1不在数组中！
  • np.linspace()
    • 通过开始值、终值和元素个数创建等差数列
    • np.linspace(0, 1, 10)
    • np.linspace(0, 1, 10, endpoint=False)
    • 可以通过endpoint参数指定是否包含终值，默认值为True，即包含终值
  • np.logspace()
    • 通过开始值、终值和元素个数创建等比数列
    • np.logspace(0, 2, 5)
    • np.logspace(0, 1, 12, base=2, endpoint=False)
    • 可以通过base更改底数，默认为10
    • 可以通过endpoint参数指定是否包含终值，默认值为True
代码语言：javascript复制
# 通过开始值、终值和步长来创建等差数列
np.arange(0, 1, 0.1) # 从0开始，到1结束，步长0.1，注意1不在数组中！
代码语言：javascript复制
# 通过开始值、终值和元素个数创建等差数列
np.linspace(0, 1, 10) # 从0开始，到1结束，10个元素的等差数列
# np.linspace(0, 1, 10, endpoint=False) # 可以通过endpoint参数定是否包含终值，默认值为True，即包含终值
代码语言：javascript复制
# 通过开始值、终值和元素个数创建等比数列
# np.logspace(0, 2, 5) # 从0开始，到2结束，5个元素的等比数列
np.logspace(0, 1, 12, base=2, endpoint=False) # 可以通过base更改底数，默认为10
# 可以通过endpoint参数指定是否包含终值，默认值为True

ndarray对象：下标存取

  • 下标方式：a[2]
  • 切片方式：
    1. a[3:5] 包括a[3]但不包括a[5]
    2. a[:5] 从a[0]开始
    3. a[:-1] 用负数表示从后往前数
    4. a[1:-1:2] 第三个元素表示步长，每两个元素取一个
    5. a[::-1] 步长为负，整个数组顺序颠倒
    6. a[5:1:-2]步长为负时，开始下标必须大于结束下标
  • 通过切片获取的数组是原数组的一个**“视图”，与原数组共享同一存储空间,因此修改结果数组会改变原始数组**
  • 对多维数组，采用元组作为数组下标，逗号分隔
  • 为了避免出现问题，请 “显式”地使用元组作为下标
  • 整数元组/列表/数组，布尔数组作为下标
    • 多维数组的下标元组中，也可以使用整数元组或列表、整数数组和布尔数组
    • 当下标中使用这些对象时，所获得的数椐是原始数据的副本，因此修改结果数组不会改变原始数组。
代码语言：javascript复制
x = np.arange(5,0,-1)
a = x[np.array([True, False, True, False, False])]
b = x[x>2]
c = x[[True, False, True, False, False]]
print('x = ', x)
print('a = ', a)
print('b = ', b)
print('c = ', c)

ufunc函数

  • ufunc是universal function的缩写，它是一种对数组的每个元素进行运算的函数
  • NumPy内置的许多ufunc函数都是用c语言实现的，速度很快
    • x = np.linspace(0, 2*np.pi, 10)
    • y = np.sin(x)
    • t = np.sin(x, out=x)
  • NumPy的数组对象支持加减乘除等操作
    • 因为加减乘除操作在NumPy中使用ufunc实现，实际上是调用了ufunc

ufunc的算术运算符/比较运算符

  • 算术运算符：加减乘除乘方同余...
  • 比较运算符：大于小于等于不等于...
  • 数组对象支持操作符，极大的方便了程序编写。但是要注意如果算式很复杂、数组很大的时候，会产生过多的中间变量，降低程序运行速度。
  • 可以适当考虑多用原位操作符，例如 x = y，复杂算式多分几行，减少对中间变量的内存分配
代码语言：javascript复制
x1 = np.array([1,2,3,4])
x2 = np.array([5,6,7,8])
y = x1   x2 # add
print(y)

ufunc函数：自定义

  • 使用frompyfunc(func, nin, nout)
  • 其中func是python函数，nin是func的输入参数个数，nout是func的返回值个数
  • 如果ufunc输入参数有多个数组，形状不同，会自动进行广播操作
    1. 让所有输入数组都向其中维数最多的数组看齐，shape属性中不足的部分都通过在前面加1补齐
    2. 输出数组的shape属性是输入数组的shape属性的各个轴上的最大值
    3. 如果输入数组的某个轴的长度为1或与输出数组的对应轴的长度相同，这个数组能够用来计算，否则出错
    4. 当输入数组的某个轴的长度为1吋，沿着此轴运算时都用此轴上的第一组值!
代码语言：javascript复制
# 自定义ufunc
def myfunc(x):
    return x**2   1
my_ufunc = np.frompyfunc(myfunc, 1, 1)
x = np.linspace(0,10,11)
y = my_ufunc(x)
print(y)

之后我们还会分享使用Python教程，欢迎大家持续关注。

编程算法 numpy python c语言

0 人点赞