一、numpy是什么？
擴展庫numpy是Python支持科學計算的重要擴展庫，是數據分析和科學計算領域如scipy、pandas、sklearn 等眾多擴展庫中的必備擴展庫之一，提供了強大的N維數組及其相關運算、復雜的廣播函數、C/C++和Fortran代碼集成工具以及線性代數、傅里葉變換和隨機數生成等功能。本章童點介紹數組與矩陣及其相關運算，為學習和理解后面章節中的數據分析、機器學習打下良好的基礎。
簡單來說就是你用來為人工智能領域打基礎的東西，私話說得好，基礎不牢，地動山搖嘛~
所以這個地方可要好好學習哦~~
二、numpy數組
在numpy中使用的不是python自帶的數據類型list，而是numpy中的ndarray
那為什么使用ndarray而不是使用list呢？
因為ndarray是由c/c++寫出來的，占用內存更小，使用速度更快
創建一個ndarray的方法有很多，這里說下使用array方法轉化的
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
#!/usr/bin/env python# -*- coding: utf-8 -*-# @Author： Smly# @datetime： 2021/9/26 22:22 # @Version： 1.0import numpy as npli = [1, 2, 3]tp = (1, 2, 3)nday1 = np.array(li)nday2 = np.array(tp)print("*****類型*****")print(type(nday1))print(type(nday2))print("*****數組*****")print(nday1)print(nday2) |
輸出結果：
|
1
2
3
4
5
6
|
*****類型*****<class 'numpy.ndarray'><class 'numpy.ndarray'>*****數組*****[1 2 3][1 2 3] |
2.1 數組使用
如果元素相同的話，可以進行加減乘除
在元素個數相同的情況下，可以進行數組間的加減
在元素個數相同的情況下，可以進行數組間的乘除
對某個數進行的乘除，可以自動進行到所有元素
看例子理解：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
|
#!/usr/bin/env python# -*- coding: utf-8 -*-# @Author： Smly# @datetime： 2021/9/26 22:22 # @Version： 1.0import numpy as np li = [1, 2, 3] # 列表tp = (1, 2, 3) # 元組nday1 = np.array(li) # 內置方法將列表轉為ndarraynday2 = np.array(tp) # 內置方法將元組轉為ndarraynday3 = np.array(range(5)) # 使用range內置函數方法生成ndarray連續數組nday4 = np.array(range(5, 10)) # 使用range內置函數方法生成ndarray連續數組print("*****類型*****")print(type(nday1))print(type(nday2))print(type(nday3))print(type(nday4))print("*****數組*****")print(nday1)print(nday2)print(nday3)print(nday4)print("*****數組加減*****")print(nday2 + nday1)print(nday2 - nday1)print(nday4 - nday3)print(nday3 + nday4)# 在元素個數相同的情況下，可以進行數組間的加減print("*****數組乘除*****")print(nday2 * nday1)print(nday2 // nday1)print(nday4 * nday3)print(nday4 // nday3)# 在元素個數相同的情況下，可以進行數組間的乘除print(nday1 * 3)print(nday2 // 2)print(nday3 * 2)print(nday4 // 2)# 對某個數進行的乘除，可以自動進行到所有元素 |
運行結果：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
|
*****類型*****<class 'numpy.ndarray'><class 'numpy.ndarray'><class 'numpy.ndarray'><class 'numpy.ndarray'>*****數組*****[1 2 3][1 2 3][0 1 2 3 4][5 6 7 8 9]*****數組加減*****[2 4 6][0 0 0][5 5 5 5 5][ 5 7 9 11 13]*****數組乘除*****[1 4 9][1 1 1][ 0 6 14 24 36][0 0 0 0 0][3 6 9][0 1 1][0 2 4 6 8][2 3 3 4 4] |
2.2 創建數組
剛剛的array()方法是將列表和元組等迭代對象轉為ndarray數組
接下來要說的是自動創建數組
1. 使用empty創建空數組
里面會有初始值，但是數組初始為None
|
1
2
3
4
5
6
7
8
9
10
11
|
#!/usr/bin/env python# -*- coding: utf-8 -*-# @Author： Smly# @datetime： 2021/9/28 12:29 # @Version： 1.0import numpy as npem1 = np.empty(5) # 創建一個長度為5的空數組em2 = np.empty((2, 2)) # 創建一個2*2的空二維數組print("一維數組，長度為5", em1)print("二維數組，長度為2*2", em2) |
輸出結果：
|
1
2
3
4
|
[9.96754604e-312 9.96754614e-312 2.60799828e-310 9.34609789e-307 0.00000000e+000][[6.95299778e-310 9.96747617e-312] [0.00000000e+000 6.95299776e-310]] |
2. 使用arange函數創建
arange是numpy自帶的的一個方法，作用與range這個Python內置函數相差無幾，都是生成數組
先導入numpy包
|
1
|
import numpy as np |
然后創建數組
|
1
2
3
4
5
6
7
8
9
10
11
12
|
print("*****ararge創建數組*****")aran_arr1 = np.arange(5)aran_arr2 = np.arange(5, 10)print("*****類型*****")print(type(aran_arr1))print(type(aran_arr2))print("*****數組*****")print(aran_arr1)print(aran_arr2) |
3. 使用zeros函數生成數組
zeros函數是numpy自帶的方法，作用是生成指定數量的全0一維數組，全0二維數組等
看下面的例子：
生成一個具有三個元素的一維數組和一個具有五個元素的一維數組：
|
1
2
3
4
5
6
7
8
9
10
11
|
#!/usr/bin/env python# -*- coding: utf-8 -*-# @Author： Smly# @datetime： 2021/9/27 21:31 # @Version： 1.0import numpy as npzero_arr = np.zeros(3)zrro_arr2 = np.zeros(5)print(zero_arr)print(zrro_arr2) |
運行結果：
[0. 0. 0.]
[0. 0. 0. 0. 0.]
當然這只是一位數組，你還可以生成二維數組，也就是矩陣
使用如下代碼可以生成一個三行三列的矩陣
|
1
|
zero_arr3 = np.zeros((3, 3)) |
輸出看看：
|
1
|
print(zero-arr3) |
運行結果：
[[0. 0. 0.]
[0. 0. 0.]
[0. 0. 0.]]
4. ones函數生成數組
使用ones函數生成全1函數，方法同zeros
|
1
2
3
|
import numpy as npones_arr1 = np.ones(3) |
輸出結果：
[1. 1. 1.]
生成一個三行三列的矩陣
|
1
2
3
|
import numpy as npones_arr2 = np.ones((3, 3)) |
輸出結果：
[[1. 1. 1.]
[1. 1. 1.]
[1. 1. 1.]]
5. diag函數生成對角矩陣
什么是對角矩陣?你應該聽說過對角線，矩陣就是生成在對角線上的矩陣
函數參數是一個元祖
看代碼和運行結果能夠理解的更深刻
|
1
2
3
|
import numpy as npdiag_arr = np.diag((4, 3, 2, 1)) |
將diag_arr的輸出的結果為：
[[4 0 0 0]
[0 3 0 0]
[0 0 2 0]
[0 0 0 1]]
看，對角線是不是你函數的參數，這下理解了吧
6. N維數組
N維數組就是多維數組，可以理解為數組里面還是數組，里面還是數組，可以參照這個形式
[[[1 2]
[3 4]]
[[5 6]
[7 8]]]
這個概念確實有點抽象，有點難理解。這就是一個三維數組，是通過三維列表使用array方法轉換成ndarray的
代碼：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
#!/usr/bin/env python# -*- coding: utf-8 -*-# @Author： Smly# @datetime： 2021/9/27 13:29 # @Version： 1.0import numpy as npli = [ [[1, 2], [3, 4]], [[5, 6], [7, 8]]]te1 = np.array(li)print(te1) |
當然，二維數組也算是N維數組
2.3 訪問數組元素
numpy自帶了一個insert函數，可以往數組中插入元素
看實例：
|
1
2
3
|
li = [[1, 2, 3, 4], [5, 6, 7, 8], [2, 4, 6, 8]]gb1 = np.array(li)np.insert(gb1, 1, [1, 2, 3, 4]) |
輸出結果：
[1 1 2 3 4 2 3 4 5 6 7 8 2 4 6 8]
還有一個自帶的add函數，可以進行數組的相加減
數組嘛，可以使用下標來獲取數組元素
|
1
2
3
4
5
|
import numpy as npli1 = [1, 2, 3, 4]gb2 = np.array(li1)print(gb2[1]) |
輸出結果為：
2
當然，它是一個數組，你理所應當的也可以使用循環語句來遍歷數組
三、了解矩陣
數組是數組，矩陣是矩陣。
數組是一種數據結構，可以存儲多種數據，可以有多維
矩陣是數學中的一個概念，只能存放數字，并且只能是二維的形式
生成矩陣的方法就和生成N維數組的方法是一樣的
先使用列表創建二維列表，然后再使用numpy的方法轉成矩陣，當然也有好幾中生成矩陣的方法
|
1
2
3
4
5
6
|
import numpy as npli = [[1, 2, 3, 4], [5, 6, 7, 8]]j1 = np.matrix(li)print(j1)print(type(j1))print(j1.dtype) |
輸出該矩陣：
|
1
2
3
4
|
輸出矩陣： [[1 2 3 4] [5 6 7 8]]矩陣在Python的類型： <class 'numpy.matrix'>在numpy中的類型： int32 |
矩陣可以進行各種數學運算，在numpy中都得到了很好的支持，這里就不細說了
3.1 廣播
何為廣播，廣播就是能將你的東西發送到各個區域，一般在計算機中是將信息發送到局域網絡中的每個計算機中。
而在numpy中也有廣播，只不過他是將元素自動補到數組，矩陣上，就像你在上面看到的，一個數組乘除一個元素，數組中的所有元素都會乘這個數
|
1
2
3
4
|
import numpy as npli1 = [1, 2, 3, 4]print(np.array(li1)*10) |
輸出結果：
[10 20 30 40]
這個就是廣播，就是將數字10播到li轉成的數組中，能夠讓數組所有元素都乘10。
而不同維度的數組也可以這樣
|
1
2
3
4
5
6
7
8
9
10
11
|
#!/usr/bin/env python# -*- coding: utf-8 -*-# @Author： Smly# @datetime： 2021/9/27 13:40 # @Version： 1.0import numpy as npli = [[1, 2, 3, 4], [5, 6, 7, 8], [2, 4, 6, 8]]gb1 = np.array(li)li1 = [1, 2, 3, 4]gb2 = np.array(li1)print(gb1*gb2) |
將一維數組的每個元素挨個廣播到二維數組，前提是：
二維數組中的一維數組的個數與一維數組的個數是相同的
運行結果：
[[ 1 4 9 16]
[ 5 12 21 32]
[ 2 8 18 32]]
以上就是python擴展庫numpy入門教程的詳細內容，更多關于numpy庫入門的資料請關注服務器之家其它相關文章！
原文鏈接：https://blog.csdn.net/m0_52883898/article/details/120928439
