深入理解NumPy简明教程---数组1


Posted in Python onDecember 17, 2016

目前我的工作是将NumPy引入到Pyston中(一款Dropbox实现的Python编译器/解释器)。在工作过程中,我深入接触了NumPy源码,了解其实现并提交了PR修复NumPy的bug。在与NumPy源码以及NumPy开发者打交道的过程中,我发现当今中文NumPy教程大部分都是翻译或参考英文文档,因此导致了许多疏漏。比如NumPy数组中的broadcast功能,几乎所有中文文档都翻译为“广播”。而NumPy的开发者之一,回复到“broadcast is a compound -- native English speakers can see that it's " broad" + "cast" = "cast (scatter, distribute) broadly, I guess "cast (scatter, distribute) broadly" probably is closer to the meaning(NumPy中的含义)"。有鉴于此,我打算启动一个项目,以我对NumPy使用以及源码层面的了解编写一个系列的教程。

NumPy数组

NumPy数组是一个多维数组对象,称为ndarray。其由两部分组成:

  • 实际的数据
  • 描述这些数据的元数据

大部分操作仅针对于元数据,而不改变底层实际的数据。

关于NumPy数组有几点必需了解的:

  • NumPy数组的下标从0开始。
  • 同一个NumPy数组中所有元素的类型必须是相同的。

NumPy数组属性

在详细介绍NumPy数组之前。先详细介绍下NumPy数组的基本属性。NumPy数组的维数称为秩(rank),一维数组的秩为1,二维数组的秩为2,以此类推。在NumPy中,每一个线性的数组称为是一个轴(axes),秩其实是描述轴的数量。比如说,二维数组相当于是两个一维数组,其中第一个一维数组中每个元素又是一个一维数组。所以一维数组就是NumPy中的轴(axes),第一个轴相当于是底层数组,第二个轴是底层数组里的数组。而轴的数量——秩,就是数组的维数。

NumPy的数组中比较重要ndarray对象属性有:

  • ndarray.ndim:数组的维数(即数组轴的个数),等于秩。最常见的为二维数组(矩阵)。
  • ndarray.shape:数组的维度。为一个表示数组在每个维度上大小的整数元组。例如二维数组中,表示数组的“行数”和“列数”。ndarray.shape返回一个元组,这个元组的长度就是维度的数目,即ndim属性。
  • ndarray.size:数组元素的总个数,等于shape属性中元组元素的乘积。
  • ndarray.dtype:表示数组中元素类型的对象,可使用标准的Python类型创建或指定dtype。另外也可使用前一篇文章中介绍的NumPy提供的数据类型。
  • ndarray.itemsize:数组中每个元素的字节大小。例如,一个元素类型为float64的数组itemsiz属性值为8(float64占用64个bits,每个字节长度为8,所以64/8,占用8个字节),又如,一个元素类型为complex32的数组item属性为4(32/8)。
  • ndarray.data:包含实际数组元素的缓冲区,由于一般通过数组的索引获取元素,所以通常不需要使用这个属性。

创建数组

先来介绍创建数组。创建数组的方法有很多。如可以使用array函数从常规的Python列表和元组创造数组。所创建的数组类型由原序列中的元素类型推导而来。

  

>>> from numpy import *   
>>> a = array( [2,3,4] )
  
>>> a 
  array([2, 3, 4]) 
>>> a.dtype 
  dtype('int32') 
>>> b = array([1.2, 3.5, 5.1])
  
>>> b.dtype 
  dtype('float64')

使用array函数创建时,参数必须是由方括号括起来的列表,而不能使用多个数值作为参数调用array。

 

>>> a = array(1,2,3,4)  # 错误 
>>> a = array([1,2,3,4]) # 正确

可使用双重序列来表示二维的数组,三重序列表示三维数组,以此类推。

>>> b = array( [ (1.5,2,3), (4,5,6) ] ) 
>>> b 
  array([[ 1.5, 2. , 3. ], 

    [ 4. , 5. , 6. ]])

可以在创建时显式指定数组中元素的类型

>>> c = array( [ [1,2], [3,4] ], dtype=complex) 
>>> c 
  array([[ 1.+0.j, 2.+0.j], 
   [ 3.+0.j, 4.+0.j]])

通常,刚开始时数组的元素未知,而数组的大小已知。因此,NumPy提供了一些使用占位符创建数组的函数。这些函数有助于满足除了数组扩展的需要,同时降低了高昂的运算开销。

用函数zeros可创建一个全是0的数组,用函数ones可创建一个全为1的数组,函数empty创建一个内容随机并且依赖与内存状态的数组。默认创建的数组类型(dtype)都是float64。

可以哟娜特d.dtype.itemsize来查看数组中元素占用的字节数目。

>>> d = zeros((3,4)) 
>>> d.dtype 
dtype('float64') 
>>> d 
array([[ 0., 0., 0., 0.], 
  [ 0., 0., 0., 0.], 

  [ 0., 0., 0., 0.]]) 
>>> d.dtype.itemsize 
8

也可以自己制定数组中元素的类型

>>> ones( (2,3,4), dtype=int16 ) #手动指定数组中元素类型 
   array([[[1, 1, 1, 1], 
     [1, 1, 1, 1], 

     [1, 1, 1, 1]], 

  

     [[1, 1, 1, 1], 

     [1, 1, 1, 1], 

     [1, 1, 1, 1]]], dtype=int16) 
>>> empty((2,3)) 

 array([[ 2.65565858e-316,  0.00000000e+000,  0.00000000e+000], 

     [ 0.00000000e+000,  0.00000000e+000,  0.00000000e+000]])

NumPy提供一个类似arange的函数返回一个数列形式的数组:

>>> arange(10, 30, 5) 
  array([10, 15, 20, 25])

以10开始,差值为5的等差数列。该函数不仅接受整数,还接受浮点参数: 

>>> arange(0,2,0.5) 
  array([ 0. , 0.5, 1. , 1.5])

当arange使用浮点数参数时,由于浮点数精度有限,通常无法预测获得的元素个数。因此,最好使用函数linspace去接收我们想要的元素个数来代替用range来指定步长。linespace用法如下,将在通用函数一节中详细介绍。

>>> numpy.linspace(-1, 0, 5) 
    array([-1. , -0.75, -0.5 , -0.25, 0. ])

数组中的元素是通过下标来访问的,可以通过方括号括起一个下标来访问数组中单一一个元素,也可以以切片的形式访问数组中多个元素。关于切片访问,将在切片一节介绍。

知识点:NumPy中的数据类型

对于科学计算来说,Python中自带的整型、浮点型和复数类型远远不够,因此NumPy中添加了许多数据类型。如下:

NumPy中的基本数据类型

NumPy中的基本数据类型
名称 描述
bool 用一个字节存储的布尔类型(True或False)
inti 由所在平台决定其大小的整数(一般为int32或int64)
int8 一个字节大小,-128 至 127
int16 整数,-32768 至 32767
int32 整数,-2 ** 31 至 2 ** 32 -1
int64 整数,-2 ** 63 至 2 ** 63 - 1
uint8 无符号整数,0 至 255
uint16 无符号整数,0 至 65535
uint32 无符号整数,0 至 2 ** 32 - 1
uint64 无符号整数,0 至 2 ** 64 - 1
float16 半精度浮点数:16位,正负号1位,指数5位,精度10位
float32 单精度浮点数:32位,正负号1位,指数8位,精度23位
float64或float 双精度浮点数:64位,正负号1位,指数11位,精度52位
complex64 复数,分别用两个32位浮点数表示实部和虚部
complex128或complex 复数,分别用两个64位浮点数表示实部和虚部

NumPy类型转换方式如下:

>>> float64(42) 
  42.0 
>>> int8(42.0) 
  42 
>>> bool(42) 
  True 
>>> bool(42.0) 
  True 
>>> float(True) 
  1.0

许多函数的参数中可以指定参数的类型,当然,这个类型参数是可选的。如下:

>>> arange(7, dtype=uint16) 
  array([0, 1, 2, 3, 4, 5, 6], dtype=uint16)

输出数组

当输出一个数组时,NumPy以特定的布局用类似嵌套列表的形式显示:

  • 第一行从左到右输出
  • 每行依次自上而下输出
  • 每个切片通过一个空行与下一个隔开
  • 一维数组被打印成行,二维数组成矩阵,三维数组成矩阵列表。 
>>> a = arange(6)             # 1d array 
>>> print a 
  [0 1 2 3 4 5] 
  
>>> b = arange(12).reshape(4,3)      # 2d array 
>>> print b 
  [[ 0 1 2] 
  [ 3 4 5] 
  [ 6 7 8] 
  [ 9 10 11]]
  
>>> c = arange(24).reshape(2,3,4)     # 3d array 
>>> print c 
  [[[ 0 1 2 3] 
  [ 4 5 6 7] 
  [ 8 9 10 11]] 

  
  [[12 13 14 15] 
  [16 17 18 19] 
  [20 21 22 23]]]

 reshape将在下一篇文章中介绍 

如果一个数组太长,则NumPy自动省略中间部分而只打印两端的数据:

 

>>> print arange(10000) 
 [  0  1  2 ..., 9997 9998 9999] 

  
>>> print arange(10000).reshape(100,100) 

 [[  0  1  2 ...,  97  98  99] 

  [ 100 101 102 ..., 197 198 199] 

  [ 200 201 202 ..., 297 298 299] 

  ..., 

  [9700 9701 9702 ..., 9797 9798 9799] 

  [9800 9801 9802 ..., 9897 9898 9899] 

  [9900 9901 9902 ..., 9997 9998 9999]]

可通过设置printoptions参数来禁用NumPy的这种行为并强制打印整个数组。

set_printoptions(threshold='nan')

这样,输出时数组的所有元素都会显示出来。

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持三水点靠木。

Python 相关文章推荐
Python3.2模拟实现webqq登录
Feb 15 Python
Python获取暗黑破坏神3战网前1000命位玩家的英雄技能统计
Jul 04 Python
Python利用matplotlib生成图片背景及图例透明的效果
Apr 27 Python
Python实现的网页截图功能【PyQt4与selenium组件】
Jul 12 Python
基于Python对数据shape的常见操作详解
Dec 25 Python
在Pycharm中对代码进行注释和缩进的方法详解
Jan 20 Python
基于Python实现拆分和合并GIF动态图
Oct 22 Python
python 使用递归实现打印一个数字的每一位示例
Feb 27 Python
如何使用scrapy中的ItemLoader提取数据
Sep 30 Python
Python机器学习之基础概述
May 19 Python
Pytorch可视化的几种实现方法
Jun 10 Python
python字符串拼接.join()和拆分.split()详解
Nov 23 Python
Python脚本获取操作系统版本信息
Dec 17 #Python
详解python中xlrd包的安装与处理Excel表格
Dec 16 #Python
详解python开发环境搭建
Dec 16 #Python
python制作爬虫爬取京东商品评论教程
Dec 16 #Python
python用模块zlib压缩与解压字符串和文件的方法
Dec 16 #Python
Python用UUID库生成唯一ID的方法示例
Dec 15 #Python
python常见的格式化输出小结
Dec 15 #Python
You might like
一篇不错的PHP基础学习笔记
2007/03/18 PHP
php socket方式提交的post详解
2008/07/19 PHP
UCenter 批量添加用户的php代码
2012/07/17 PHP
php从文件夹随机读取文件的方法
2015/06/01 PHP
Zend Framework教程之Zend_Db_Table_Row用法实例分析
2016/03/21 PHP
CI框架入门之MVC简单示例
2016/11/21 PHP
借用Google的Javascript API Loader来加速你的网站
2009/01/28 Javascript
js实现右下角可关闭最小化div(可用于展示推荐内容)
2013/06/24 Javascript
js数组去重的方法汇总
2015/07/29 Javascript
基于JavaScript实现窗口拖动效果
2017/01/18 Javascript
Vuex之理解Mutations的用法实例
2017/04/19 Javascript
JavaScript事件方法(实例讲解)
2017/06/27 Javascript
es6+angular1.X+webpack 实现按路由功能打包项目的示例
2017/08/16 Javascript
JS实现预加载视频音频/视频获取截图(返回canvas截图)
2017/10/09 Javascript
解决Jstree 选中父节点时被禁用的子节点也会选中的问题
2017/12/27 Javascript
JS实现json对象数组按对象属性排序操作示例
2018/05/18 Javascript
nodejs dgram模块广播+组播的实现示例
2019/11/04 NodeJs
浅析Vue 中的 render 函数
2020/02/28 Javascript
详解Python中的装饰器、闭包和functools的教程
2015/04/02 Python
python 3.5实现检测路由器流量并写入txt的方法实例
2017/12/17 Python
Request的中断和ErrorHandler实例解析
2018/02/12 Python
Python lambda表达式filter、map、reduce函数用法解析
2019/09/11 Python
Python yield的用法实例分析
2020/03/06 Python
Python unittest装饰器实现原理及代码
2020/09/08 Python
CSS3中:nth-child和:nth-of-type的区别深入理解
2014/03/10 HTML / CSS
彪马西班牙官网:PUMA西班牙
2019/06/18 全球购物
活动志愿者自荐信
2014/01/27 职场文书
《纸船和风筝》教学反思
2014/02/15 职场文书
公司合作意向书范文
2014/07/30 职场文书
调研汇报材料范文
2014/08/17 职场文书
2014物价局群众路线对照检查材料思想汇报
2014/09/21 职场文书
党员观看《筑梦中国》心得体会
2016/01/18 职场文书
导游词之桂林
2019/08/20 职场文书
基于Python实现的购物商城管理系统
2021/04/27 Python
基于PyQt5制作一个群发邮件工具
2022/04/08 Python
Python find()、rfind()方法及作用
2022/12/24 Python