源地址:http://blog.csdn.net/sunny2038/article/details/9002531

http://blog.csdn.net/sunny2038/article/details/9023797

http://blog.csdn.net/sunny2038/article/details/8907736

NumPy数组(1、数组初探)

更新

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。

地址随后会更新。CSDN的排版(列表)怎么显示不正常了。。。

 

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。   
  1. >>> from numpy import *
  2.    
  3. >>> a = array( [2,3,4] )   
  4. >>> a
  5. array([2, 3, 4])
  6. >>> a.dtype
  7. dtype('int32')
  8. >>> b = array([1.2, 3.5, 5.1])   
  9. >>> b.dtype
  10. 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。   

  1. >>> a = array(1,2,3,4)    # 错误
  2. >>> 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。

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

可以在创建时显式指定数组中元素的类型

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

  1. >>> d = zeros((3,4))
  2. >>> d.dtype
  3. dtype('float64')
  4. >>> d
  5. array([[ 0.,  0.,  0.,  0.],
  6.      [ 0.,  0.,  0.,  0.],
  7.      [ 0.,  0.,  0.,  0.]])
  8. >>> d.dtype.itemsize
  9. 8

也可以自己制定数组中元素的类型

  1. >>> ones( (2,3,4), dtype=int16 )  #手动指定数组中元素类型
  2. array([[[1, 1, 1, 1],
  3.            [1, 1, 1, 1],
  4.            [1, 1, 1, 1]],
  5.    
  6.           [[1, 1, 1, 1],
  7.            [1, 1, 1, 1],
  8.            [1, 1, 1, 1]]], dtype=int16)
  9. >>> empty((2,3))
  10.    array([[  2.65565858e-316,   0.00000000e+000,   0.00000000e+000],
  11.           [  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:

  1. >>> arange(10, 30, 5)
  2. 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: 

  1. >>> arange(0,2,0.5)
  2. 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。

  1. >>> numpy.linspace(-1, 0, 5)
  2. 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
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:

  1. >>> float64(42)
  2. 42.0
  3. >>> int8(42.0)
  4. 42
  5. >>> bool(42)
  6. True
  7. >>> bool(42.0)
  8. True
  9. >>> float(True)
  10. 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:

  1. >>> arange(7, dtype=uint16)
  2. 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。
    
  1. >>> a = arange(6)                         # 1d array
  2. >>> print a
  3. [0 1 2 3 4 5]
  4.    
  5. >>> b = arange(12).reshape(4,3)           # 2d array
  6. >>> print b
  7. [[ 0  1  2]
  8. [ 3  4  5]
  9. [ 6  7  8]
  10. [ 9 10 11]]   
  11. >>> c = arange(24).reshape(2,3,4)         # 3d array
  12. >>> print c
  13. [[[ 0  1  2  3]
  14. [ 4  5  6  7]
  15. [ 8  9 10 11]]
  16.    
  17. [[12 13 14 15]
  18. [16 17 18 19]
  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:   
  1. >>> print arange(10000)
  2.    [   0    1    2 ..., 9997 9998 9999]
  3.    
  4. >>> print arange(10000).reshape(100,100)
  5.    [[   0    1    2 ...,   97   98   99]
  6.     [ 100  101  102 ...,  197  198  199]
  7.     [ 200  201  202 ...,  297  298  299]
  8.     ...,
  9.     [9700 9701 9702 ..., 9797 9798 9799]
  10.     [9800 9801 9802 ..., 9897 9898 9899]
  11.     [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。
  1. set_printoptions(threshold='nan')

这样,输出时数组的所有元素都会显示出来。

NumPy简明教程的更多相关文章

  1. NumPy简明教程(二、数组1)

    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 ...

  2. [深度应用]·实战掌握PyTorch图片分类简明教程

    [深度应用]·实战掌握PyTorch图片分类简明教程 个人网站--> http://www.yansongsong.cn/ 项目GitHub地址--> https://github.com ...

  3. 2013 duilib入门简明教程 -- 第一个程序 Hello World(3)

    小伙伴们有点迫不及待了么,来看一看Hello World吧: 新建一个空的win32项目,新建一个main.cpp文件,将以下代码复制进去: #include <windows.h> #i ...

  4. 2013 duilib入门简明教程 -- 部分bug (11)

     一.WindowImplBase的bug     在第8个教程[2013 duilib入门简明教程 -- 完整的自绘标题栏(8)]中,可以发现窗口最大化之后有两个问题,     1.最大化按钮的样式 ...

  5. 2013 duilib入门简明教程 -- 部分bug 2 (14)

        上一个教程中提到了ActiveX的Bug,即如果主窗口直接用变量生成,则关闭窗口时会产生崩溃            如果用new的方式生成,则不会崩溃,所以给出一个临时的快速解决方案,即主窗口 ...

  6. 2013 duilib入门简明教程 -- 自绘控件 (15)

        在[2013 duilib入门简明教程 -- 复杂控件介绍 (13)]中虽然介绍了界面设计器上的所有控件,但是还有一些控件并没有被放到界面设计器上,还有一些常用控件duilib并没有提供(比如 ...

  7. 2013 duilib入门简明教程 -- 事件处理和消息响应 (17)

        界面的显示方面就都讲完啦,下面来介绍下控件的响应.     前面的教程只讲了按钮和Tab的响应,即在Notify函数里处理.其实duilib还提供了另外一种响应的方法,即消息映射DUI_BEG ...

  8. 2013 duilib入门简明教程 -- FAQ (19)

        虽然前面的教程几乎把所有的知识点都罗列了,但是有很多问题经常在群里出现,所以这里再次整理一下.     需要注意的是,在下面的问题中,除了加上XML属性外,主窗口必须继承自WindowImpl ...

  9. Mac安装Windows 10的简明教程

    每次在Mac上安装Windows都是一件非常痛苦的事情,曾经为了装Win8把整台Mac的硬盘数据都弄丢了,最后通过龟速系统恢复模式恢复了MacOSX(50M电信光纤下载了3天才把系统下载完),相信和我 ...

随机推荐

  1. 知识点1-3:MVC设计模式

    MVC代表模型-视图-控制器(Model-View-Controller),起源于20世纪70年代的Smalltalk开发社区,2003年起随着Ruby on Rails的出现才在Web上流行使用. ...

  2. ViewPageAsImage

    var ViewPageAsImage = function(target, label) {  var setting = {   min_height:   4,   min_width:   4 ...

  3. [置顶] 殊途同归——总结asp.net

    怀着期望,忐忑的心情看完了asp.net的一部分视频,这部分的学习也到了一个段落,颗粒归仓的工作还是要做的,但是有什么比一张图来得更直观有效呢? 先来张图,这次真的是有图有真相: 通过asp.net的 ...

  4. C# -- 什么是方法签名?

    签名指的是返回值和参数. 比如 : public void A ( int p1,int p2){} public void B ( int q1,int q2){} 的签名相同. 而 public ...

  5. 深入理解 Spring 事务原理【转】

    本文转自码农网 – 吴极心原创  连接地址:http://www.codeceo.com/article/spring-transactions.html 一.事务的基本原理 Spring事务的本质其 ...

  6. Learning Web

    1.UDACITY https://www.udacity.com/course/cs258

  7. Linux服务器使用SSH的命令(有详细的参数解释)

    前一阵远程维护Linux服务器,使用的是SSH,传说中的secure shell. 登陆:ssh [hostname] -u user 输入密码:***** 登陆以后就可以像控制自己的机器一样控制它了 ...

  8. TImage也有OnClick事件,可以当按钮使用,配上合适的图片(背景透明,效果前凸)更是几乎以假乱真

    本质上TImage与TSpeedButton没有什么区别,都是没有句柄的,但都可以执行OnClick事件.有空分析一下.

  9. django-cookieless 0.7 : Python Package Index

    django-cookieless 0.7 : Python Package Index django-cookieless 0.7 Download django-cookieless-0.7.ta ...

  10. 如何使用NArrange进行代码优化

    Narrange是一个.NET代码管理工具.它可以对源代码自动进行美化和把类成员分成一个组.区域.目前支持C#.VB.NET,将来会支持更多.NET上的语言. 主要的作用是: ◆ 减少程序员的开发时间 ...