Numpy入門（一）基礎
阿新 • • 發佈：2018-12-06
Numpy基礎
tip：這個使用的是jupyter自動生成的markdown，有些是列印的資料
1 Numpy陣列物件
import numpy as np
# 生成0到小於5的一維陣列
a = np.arange(6)
a
array([0, 1, 2, 3, 4, 5])
a.dtype
dtype('int32')
# 把資料改變成2行3列
a.reshape(2,3)
array([[0, 1, 2],
[3, 4, 5]])
a.shape
(6,)
# 維度 a.ndim
1
2 建立多維陣列
m = np.array([np.arange(2),np.arange(2)])
m
array([[0, 1],
[0, 1]])
m.shape
(2, 2)
m[0,0]
0
每一種資料型別均有對應的型別轉換函式,例如:
np.float64(42)
42.0
3 資料型別物件
Numpy陣列中每個元素均為相同的資料型別
m.dtype.itemsize
4
4 字元編碼
Numpy 可以使用字元編碼來表示資料型別,例如f表示單精度浮點數
np.arange(7 array([0., 1., 2., 3., 4., 5., 6.], dtype=float32)
5 一維陣列的索引和切片
a = np.arange(9)
a
array([0, 1, 2, 3, 4, 5, 6, 7, 8])
# 索引從3到6
a[3:7]
array([3, 4, 5, 6])
# 逆序陣列
a[::-1]
array([8, 7, 6, 5, 4, 3, 2, 1, 0])
6 多維陣列的索引和切片
b = np.arange(24).reshape(2,3,4)
b
array([[[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11]], [[12, 13, 14, 15], [16, 17, 18, 19], [20, 21, 22, 23]]])
b[0,0,0]
0
# 可以理解成取x軸上的所有數
b[:,0,0]
array([ 0, 12])
# 取所有
b[:,...]
array([[[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]],
[[12, 13, 14, 15],
[16, 17, 18, 19],
[20, 21, 22, 23]]])
7 改變陣列的維度
b
array([[[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]],
[[12, 13, 14, 15],
[16, 17, 18, 19],
[20, 21, 22, 23]]])
# 轉成一維,返回的是檢視
b.ravel()
array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16,
17, 18, 19, 20, 21, 22, 23])
# 轉成一維,返回的是拷貝
b.flatten()
array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16,
17, 18, 19, 20, 21, 22, 23])
b.shape
(2, 3, 4)
# 轉置
b.transpose()
array([[[ 0, 12],
[ 4, 16],
[ 8, 20]],
[[ 1, 13],
[ 5, 17],
[ 9, 21]],
[[ 2, 14],
[ 6, 18],
[10, 22]],
[[ 3, 15],
[ 7, 19],
[11, 23]]])
resize 會直接修改陣列,而其他的操作會不會受到影響
b.resize((2,12))
b
array([[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11],
[12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23]])
8 陣列組合
Numpy 陣列組合有水平組合,垂直組合和深度組合等多種組合方式,我們將使用vstack,dstack,hstack,column_stack,row_stack以及concatenate函式來完成陣列的組合
a = np.arange(9).reshape(3,3)
b = 2*a
a
array([[0, 1, 2],
[3, 4, 5],
[6, 7, 8]])
b
array([[ 0, 2, 4],
[ 6, 8, 10],
[12, 14, 16]])
np.hstack((a,b))
array([[ 0, 1, 2, 0, 2, 4],
[ 3, 4, 5, 6, 8, 10],
[ 6, 7, 8, 12, 14, 16]])
# 如果axis=1則是對行操作，為0對列操作
np.concatenate((a,b),axis=1)
array([[ 0, 1, 2, 0, 2, 4],
[ 3, 4, 5, 6, 8, 10],
[ 6, 7, 8, 12, 14, 16]])
np.vstack((a,b))
array([[ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8],
[ 0, 2, 4],
[ 6, 8, 10],
[12, 14, 16]])
np.concatenate((a,b),axis = 0)
array([[ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8],
[ 0, 2, 4],
[ 6, 8, 10],
[12, 14, 16]])
a.shape
(3, 3)
b.shape
(3, 3)
np.dstack((a,b))
array([[[ 0, 0],
[ 1, 2],
[ 2, 4]],
[[ 3, 6],
[ 4, 8],
[ 5, 10]],
[[ 6, 12],
[ 7, 14],
[ 8, 16]]])
np.dstack((a,b)).shape
(3, 3, 2)
oned = np.arange(2)
twice_oned = 2*oned
oned
array([0, 1])
twice_oned
array([0, 2])
np.column_stack((oned,twice_oned))
array([[0, 0],
[1, 2]])
9 陣列的分割
Numpy陣列可以進行水平,垂直或深度分割,相關的函式有hsplit,vsplit,dsplit和split.我們可以將陣列分割成相同大小的子陣列,也可以指定原陣列中需要分割的位置.
a
array([[0, 1, 2],
[3, 4, 5],
[6, 7, 8]])
np.hsplit(a,3)
[array([[0],
[3],
[6]]), array([[1],
[4],
[7]]), array([[2],
[5],
[8]])]
np.vsplit(a,3)
[array([[0, 1, 2]]), array([[3, 4, 5]]), array([[6, 7, 8]])]
10 陣列的屬性
a.ndim
2
a.size
9
a.itemsize
4
a.nbytes
36
a.T
array([[0, 3, 6],
[1, 4, 7],
[2, 5, 8]])
11 陣列的轉換
可以使用tolist函式將Numpy陣列轉換成Python列表
a.tolist()
[[0, 1, 2], [3, 4, 5], [6, 7, 8]]
astype函式可以在轉換陣列時指定資料型別
a.astype(np.int32)
array([[0, 1, 2],
[3, 4, 5],
[6, 7, 8]])