python中numpy包使用教程之數組和相關操作詳解

大家應該都有所了解，下面就簡單介紹下Numpy，NumPy(Numerical Python)是一個用于科學計算第三方的Python包。

NumPy提供了許多高級的數值編程工具，如：矩陣數據類型、矢量處理，以及精密的運算庫。專為進行嚴格的數字處理而產生。下面本文將詳細介紹關于python中numpy包使用教程之數組和相關操作的相關內容，下面話不多說，來一起看看詳細的介紹：

一、數組簡介

Numpy中，最重要的數據結構是：多維數組類型（numpy.ndarray）

ndarray由兩部分組成：
    實際所持有的數據；
    描述這些數據的元數據（metadata）

數組（即矩陣）的維度被稱為axes，維數稱為rank

ndarray 的重要屬性包括:
    ndarray.ndim：數組的維數，也稱為rank
    ndarray.shape：數組各維的大小，對一個n行m列的矩陣來說， shape 為 (n,m)
    ndarray.size：元素的總數。
    ndarray.dtype：每個元素的類型，可以是numpy.int32, numpy.int16, and numpy.float64等
    ndarray.itemsize：每個元素占用的字節數。
    ndarray.data：指向數據內存。

二、數組的使用

使用numpy前要先導入模塊，使用下面的語句導入模塊：   

improt numpy as np #其中np為numpy的別名，是一種習慣用法

1.使用array方法生成數組

array，也就是數組，是numpy中最基礎的數據結構，最關鍵的屬性是維度和元素類型，在numpy中，可以非常方便地創建各種不同類型的多維數組，并且執行一些基本基本操作，生成數組的方法有一下幾種：
以list或tuple變量產生以為數組：    
>>> print np.array([1,2,3,4])
[1 2 3 4]
>>> print np.array((1.2,2,3,4))
[ 1.2 2. 3. 4. ]

以list或tuple變量為元素產生二維數組或者多維數組：    
>>> x = np.array(((1,2,3),(4,5,6)))
>>> x
array([[1, 2, 3],
 [4, 5, 6]])
>>> y = np.array([[1,2,3],[4,5,6]])
>>> y
array([[1, 2, 3],
 [4, 5, 6]])

2.使用numpy.arange方法生成數組
    
>>> print np.arange(15)
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14]
>>> print type(np.arange(15))
<type 'numpy.ndarray'>

3.使用內置函數生成特殊矩陣（數組）

零矩陣    
>>> print np.zeros((3,4))
[[ 0. 0. 0. 0.]
 [ 0. 0. 0. 0.]
 [ 0. 0. 0. 0.]]

一矩陣    
>>> print np.ones((3,4))
[[ 1. 1. 1. 1.]
 [1. 1. 1. 1.]
 [ 1. 1. 1. 1.]]

單位矩陣    
>>> print np.eye(3)
[[ 1. 0. 0.]
 [0. 1. 0.]
 [ 0. 0. 1.]]

4.索引與切片
    
>>> x = np.array(((1,2,3),(4,5,6)))
>>> x[1,2] #獲取第二行第三列的數
6    
>>> y=x[:,1] #獲取第二列
>>> y
array([2, 5])

與python語法一致，不再舉例。

5.獲取數組屬性    
>>> a = np.zeros((2,2,2))
>>> print a.ndim #數組的維數
3
>>> print a.shape #數組每一維的大小
(2, 2, 2)
>>> print a.size #數組的元素數
8
>>> print a.dtype #元素類型
float64
>>> print a.itemsize #每個元素所占的字節數
8

6.數組變換

多維轉換為一維：    
>>> x
array([[1, 2, 3],
  [4, 5, 6]])
>>> x.flatten()
array([1, 2, 3, 4, 5, 6])

一維轉換為多維：    
>>> print np.arange(15).reshape(3,5) #改變形狀，將一維的改成三行五列
[[ 0 1 2 3 4]
 [ 5 6 7 8 9]
 [10 11 12 13 14]]

轉置：
    
>>> x
array([[1, 2, 3],
  [4, 5, 6]])
>>> x.transpose()
array([[1, 4],
  [2, 5],
  [3, 6]])

7.數組組合

水平組合：
    
>>> y=x
>>> numpy.hstack((x,y))
array([[1, 2, 3, 1, 2, 3],
  [4, 5, 6, 4, 5, 6]]

垂直組合    
>>> numpy.vstack((x,y))
array([[1, 2, 3],
  [4, 5, 6],
  [1, 2, 3],
  [4, 5, 6]])

用concatenate函數可以同時實現這兩種方式，通過指定axis參數，默認為0，垂直組合。    
>>> numpy.concatenate((x,y))
array([[1, 2, 3],
  [4, 5, 6],
  [1, 2, 3],
  [4, 5, 6]])
>>> numpy.concatenate((x,y),axis=1)
array([[1, 2, 3, 1, 2, 3],
  [4, 5, 6, 4, 5, 6]])

8.數組分割

垂直分割    
>>> z
array([[1, 2, 3],
  [4, 5, 6],
  [1, 2, 3],
  [4, 5, 6]])
>>> numpy.vsplit(z,2) #注意這里設置的分割數目必須可以被行數整除
[array([[1, 2, 3],
  [4, 5, 6]]), array([[1, 2, 3],
  [4, 5, 6]])]

水平分割
    
>>> numpy.hsplit(z,3)
[array([[1],
  [4],
  [1],
  [4]]), array([[2],
  [5],
  [2],
  [5]]), array([[3],
  [6],
  [3],
  [6]])]

用split函數可以同時實現這兩個效果，通過設置其axis參數區別，與組合類似，這里不在演示。

三、矩陣

通過上面對數組的操作可以知道，numpy中可以通過數組模擬矩陣，但是numpy也有專門處理矩陣的數據結構——matrix。
1.生成矩陣    
>>> numpy.mat('1 2 3;4 5 6;7 8 9')
matrix([[1, 2, 3],
  [4, 5, 6],
  [7, 8, 9]])

2.數組矩陣轉化

矩陣轉數組    
>>> m=numpy.mat('1 2 3;4 5 6;7 8 9')
>>> numpy.array(m)
array([[1, 2, 3],
  [4, 5, 6],
  [7, 8, 9]])

數組轉矩陣
    
>>> n=numpy.array(m)
>>> numpy.mat(n)
matrix([[1, 2, 3],
  [4, 5, 6],
  [7, 8, 9]])

3.矩陣方法

求逆：    
>>> m.I
matrix([[ -4.50359963e+15, 9.00719925e+15, -4.50359963e+15],
  [ 9.00719925e+15, -1.80143985e+16, 9.00719925e+15],
  [ -4.50359963e+15, 9.00719925e+15, -4.50359963e+15]])

總結

以上就是這篇文章的全部內容了，希望本文的內容對大家的學習或者工作能帶來一定的幫助