python中陣列(numpy.array)的基本操作
阿新 • • 發佈:2019-01-02
本文部分內容參考Daetalus的部落格。
為什麼要用numpy
- Python中提供了list容器,可以當作陣列使用。但列表中的元素可以是任何物件,因此列表中儲存的是物件的指標,這樣一來,為了儲存一個簡單的列表[1,2,3]。就需要三個指標和三個整數物件。對於數值運算來說,這種結構顯然不夠高效。
- Python雖然也提供了array模組,但其只支援一維陣列,不支援多維陣列,也沒有各種運算函式。因而不適合數值運算。
- NumPy的出現彌補了這些不足。
(——摘自張若愚的《Python科學計算》)
import numpy as np
陣列建立
## 常規建立方法
a = np.array([2 ,3,4])
b = np.array([2.0,3.0,4.0])
c = np.array([[1.0,2.0],[3.0,4.0]])
d = np.array([[1,2],[3,4]],dtype=complex) # 指定資料型別
print a, a.dtype
print b, b.dtype
print c, c.dtype
print d, d.dtype
[2 3 4] int32
[ 2. 3. 4.] float64
[[ 1. 2.]
[ 3. 4.]] float64
[[ 1.+0.j 2.+0.j]
[ 3.+0.j 4.+0.j]] complex128
## 建立陣列的常用函式
print np.arange(0,7,1,dtype=np.int16) # 0為起點,間隔為1時可預設(引起歧義下不可預設)
print np.ones((2,3,4),dtype=np.int16) # 2頁,3行,4列,全1,指定資料型別
print np.zeros((2,3,4)) # 2頁,3行,4列,全0
print np.empty((2,3)) #值取決於記憶體
print np.arange(0,10,2) # 起點為0,不超過10,步長為2
print np.linspace(-1,2,5) # 起點為-1,終點為2,取5個點
print np.random.randint(0,3 ,(2,3)) # 大於等於0,小於3,2行3列的隨機整數
[0 1 2 3 4 5 6]
[[[1 1 1 1]
[1 1 1 1]
[1 1 1 1]]
[[1 1 1 1]
[1 1 1 1]
[1 1 1 1]]]
[[[ 0. 0. 0. 0.]
[ 0. 0. 0. 0.]
[ 0. 0. 0. 0.]]
[[ 0. 0. 0. 0.]
[ 0. 0. 0. 0.]
[ 0. 0. 0. 0.]]]
[[ 1.39069238e-309 1.39069238e-309 1.39069238e-309]
[ 1.39069238e-309 1.39069238e-309 1.39069238e-309]]
[0 2 4 6 8]
[-1. -0.25 0.5 1.25 2. ]
[[1 0 1]
[0 1 0]]
## 型別轉換
print float(1)
print int(1.0)
print bool(2)
print float(True)
1.0
1
True
1.0
陣列輸出
- 從左到右,從上向下
- 一維陣列列印成行,二維陣列列印成矩陣,三維陣列列印成矩陣列表
print np.arange(1,6,2)
print np.arange(12).reshape(3,4) # 可以改變輸出形狀
print np.arange(24).reshape(2,3,4)# 2頁,3行,4頁
[1 3 5]
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
[[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
[[12 13 14 15]
[16 17 18 19]
[20 21 22 23]]]
基本運算
## 元素級運算
a = np.array([1,2,3,4])
b = np.arange(4)
print a, b
print a-b
print a*b
print a**2
print 2*np.sin(a)
print a>2
print np.exp(a) # 指數
[1 2 3 4] [0 1 2 3]
[1 1 1 1]
[ 0 2 6 12]
[ 1 4 9 16]
[ 1.68294197 1.81859485 0.28224002 -1.51360499]
[False False True True]
[ 2.71828183 7.3890561 20.08553692 54.59815003]
## 矩陣運算(二維陣列)
a = np.array([[1,2],[3,4]]) # 2行2列
b = np.arange(6).reshape((2,-1)) # 2行3列
print a,b
print a.dot(b) # 2行3列
[[1 2]
[3 4]] [[0 1 2]
[3 4 5]]
[[ 6 9 12]
[12 19 26]]
## 非陣列運算,呼叫方法
a = np.random.randint(0,5,(2,3))
print a
print a.sum(),a.sum(axis=1),a.sum(0) # axis用於指定運算軸(預設全部,可指定0或1)
print a.min(),a.max(axis=1),a.mean(axis=1) # axis = 0: 按列計算,axis = 1: 按行計算
print a.cumsum(1) # 按行計算累積和
[[2 3 3]
[0 2 1]]
11 [8 3] [2 5 4]
0 [3 2] [ 2.66666667 1. ]
[[2 5 8]
[0 2 3]]
索引,切片,迭代
## 一維陣列
a = np.arange(0,10,1)**2
print a
print a[0],a[2],a[-1],a[-2] # 索引從0開始,-1表示最後一個索引
print a[2:5],a[-5:-1] # 包括起點,不包括終點
a[-1] = 100; print a # 賦值
a[1:4]=100; print a # 批量賦值
a[:6:2] = -100; print a # 從開始到第6個索引,每隔一個元素(步長=2)賦值
print a[: :-1];print a # 將a逆序輸出,a本身未發生改變
b = [np.sqrt(np.abs(i)) for i in a]; print b # 通過遍歷賦值
[ 0 1 4 9 16 25 36 49 64 81]
0 4 81 64
[ 4 9 16] [25 36 49 64]
[ 0 1 4 9 16 25 36 49 64 100]
[ 0 100 100 100 16 25 36 49 64 100]
[-100 100 -100 100 -100 25 36 49 64 100]
[ 100 64 49 36 25 -100 100 -100 100 -100]
[-100 100 -100 100 -100 25 36 49 64 100]
[10.0, 10.0, 10.0, 10.0, 10.0, 5.0, 6.0, 7.0, 8.0, 10.0]
## 多維陣列
a = np.arange(0,20).reshape((4,5))
print a, a[2,3], a[:,1], a[1:4,2], a[1:3,:]
print a[-1] # 相當於a[-1,:],即索引少於軸數時,確實的索引預設為整個切片
b = np.arange(0,24).reshape((2,3,4))
print b,b[1] # 相當於b[1,:,:] 和b[1,...]
print '-------------------'
for row in a:
print row # 遍歷以第一個軸為基礎
[[ 0 1 2 3 4]
[ 5 6 7 8 9]
[10 11 12 13 14]
[15 16 17 18 19]] 13 [ 1 6 11 16] [ 7 12 17] [[ 5 6 7 8 9]
[10 11 12 13 14]]
[15 16 17 18 19]
[[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
[[12 13 14 15]
[16 17 18 19]
[20 21 22 23]]]
[[12 13 14 15]
[16 17 18 19]
[20 21 22 23]]
-------------------
[0 1 2 3 4]
[5 6 7 8 9]
[10 11 12 13 14]
[15 16 17 18 19]
形狀操作
a = np.floor(10*np.random.random((3,4)))
print a, a.shape #輸出a的形狀
print a.ravel() # 輸出平坦化後的a(a本身不改變)
a.shape = (6,2); print a # 改變a的形狀
print a.transpose() # 輸出a的轉置
[[ 0. 4. 3. 2.]
[ 1. 1. 3. 3.]
[ 4. 4. 6. 5.]] (3, 4)
[ 0. 4. 3. 2. 1. 1. 3. 3. 4. 4. 6. 5.]
[[ 0. 4.]
[ 3. 2.]
[ 1. 1.]
[ 3. 3.]
[ 4. 4.]
[ 6. 5.]]
[[ 0. 3. 1. 3. 4. 6.]
[ 4. 2. 1. 3. 4. 5.]]
## 補充:reshape和resize
a = np.array([[1,2,3],[4,5,6]])
b = a
a.reshape((3,2))# 不改變陣列本身的形狀
print a
b.resize((3,2))# 改變陣列本身形狀
print b
[[1 2 3]
[4 5 6]]
[[1 2]
[3 4]
[5 6]]