NumPy 数组大全

NumPy 是一个Python 库，用于 Python 编程中的科学计算。在本教程中，你将学习如何在 NumPy 数组上以多种方式添加、删除、排序和操做元素。

NumPy 提供了一个多维数组对象和其余派生数组，例如掩码数组和掩码多维数组。

为何要用 NumPy

NumPy 提供了一个 ndarray 对象，可使用它来对任何维度的数组进行操做。 ndarray 表明 N 维数组，其中 N 是任意数字。这意味着 NumPy 数组能够是任何维度的。

与 Python 的 List 相比，NumPy 具备许多优点。咱们能够在 NumPy 阵列上执行高性能操做，例如：

1. 对数组成员进行排序
2. 数学和逻辑运算
3. 输入/输出功能
4. 统计和线性代数运算

安装 NumPy

要安装NumPy，你的电脑上要先有 Python 和 Pip。

在终端中运行如下命令：

pip install numpy

而后你就能够在脚本中导入 NumPy 了，以下所示：

import numpy

添加数组元素

能够用 NumPy 模块的 append() 方法向 NumPy 数组中添加元素。

append() 的语法以下：

numpy.append(array, value, axis)

value 会被追加到在数组的末尾，并返回一个包含全部元素的 ndarray。

参数 axis 是一个可选的整数，用于定义数组的显示方式。若是没有指定，则数组结构将展平，稍后会演示用法。

如下示例，其中首先声明数组，而后用 append 方法向数组添加更多的值：

import numpy
a = numpy.array([1, 2, 3])
newArray = numpy.append (a, [10, 11, 12])
print(newArray)
# 输出：[ 1  2  3 10 11 12]

添加一列

也能够用NumPy 的 append() 方法插入一列。

在下面的例子中，咱们建立了一个二维数组并插入了两列：

import numpy

a = numpy.array([[1, 2, 3], [4, 5, 6]]) 
b = numpy.array([[400], [800]])
newArray = numpy.append(a, b, axis = 1)
print(newArray)

"""
输出：
[[  1   2   3 400]
 [  4   5   6 800]]
"""

若是没有使用 axis 参数，则会输出：

[  1   2   3   4   5   6 400 800]

这就是数组结构的扁平化。

在 NumPy 中，还能够用 insert() 方法插入元素或列。 二者之间的区别在于 insert() 方法能够指定要在哪一个索引处添加元素，但 append() 方法会在数组的末尾添加一个值。

Consider the example below:
考虑如下示例：

import numpy
a = numpy.array([1, 2, 3])
newArray = numpy.insert(a, 1, 90) 
print(newArray)
# 输出：[ 1 90  2  3]

这里 insert() 方法在索引1处添加元素。在Python中数组索引从0开始。

追加一行

也能够用 append() 方法向数组添加行，就像在数组中附加元素同样简单：

import numpy
a = numpy.array([[1, 2, 3], [4, 5, 6]])
newArray = numpy.append(a, [[50, 60, 70]], axis = 0)
print(newArray)
"""
输出“
[[ 1  2  3]
 [ 4  5  6]
 [50 60 70]]
"""

删除元素

能够用 NumPy 模块的 delete() 方法删除 NumPy 数组元素：

import numpy 
a = numpy.array([1, 2, 3]) 
newArray = numpy.delete(a, 1, axis = 0) 
print(newArray)
# 输出：[1 3]

在本例子中，咱们有一个一维数组，用 delete() 方法从数组中删除了索引 1 处的元素。

删除一行

一样，你也能够用 delete() 方法删除行。

下面的例子中咱们从二维数组中删除了一行：

import numpy 
a = numpy.array([[1, 2, 3], [4, 5, 6], [10, 20, 30]]) 
newArray = numpy.delete(a, 1, axis = 0)
print(newArray)
"""
输出：
[[ 1  2  3]
 [10 20 30]]
"""

在 delete() 方法中，首先给出数组，而后给出要删除的元素的索引。在上例中，咱们删除了索引为 1 的元素。

检查 NumPy 数组是否为空

能够用 size 方法返回数组中元素的总数。

在下面的例子中有一个 if 语句，经过 ndarray.size 检查数组中是否有元素，其中 ndarray 能够是任何给定的 NumPy 数组：

import numpy

a = numpy.array([1, 2, 3]) 
if(a.size == 0): 
    print("The given Array is empty") 
else: 
    print("The array = ", a)
# 输出：The array =  [1 2 3]

在上面的代码中，数组中有三个元素，所以它不是空的，判断条件将返回false。若是数组中没有元素，则 if 条件会变为 true 而且将打印空消息。若是数组等于：

a = numpy.array([])

上述代码将会输出：

The given Array is empty

查找值的索引

要查找值对应的索引，能够用 NumPy 模块的 where() 方法，以下例所示：

import numpy
a = numpy.array([1, 2, 3, 4, 5])
print("5 is found at index: ", numpy.where(a == 5))
# 输出：5 is found at index:  (array([4]),)

若是你只想获得索引，能够这样写：

import numpy

a = numpy.array([1, 2, 3, 4, 5]) 
index = numpy.where(a == 5)
print("5 is found at index: ", index[0])
#输出： 5 is found at index:  [4]

NumPy 数组切片

数组切片是从给定数组中提取子集的过程。你能够用冒号（ : ）运算符对数组进行切片，并指定数组索引的开始和结束位置，例如：

array[from:to]

下面的例子中提取从索引 2 到索引 5 的元素：

import numpy
a = numpy.array([1, 2, 3, 4, 5, 6, 7, 8])
print("A subset of array a = ", a[2:5])
# 输出：A subset of array a =  [3 4 5]

若是想要提取最后三个元素，能够经过用负切片来完成操做，以下所示：

import numpy
a = numpy.array([1, 2, 3, 4, 5, 6, 7, 8])
print("A subset of array a = ", a[-3:])
# 输出：A subset of array a =  [6 7 8]

将函数做用于全部数组元素

在下面的例子中，咱们将建立一个 lambda 函数，并传入一个数组，以其应用于全部元素：

import numpy
addition = lambda x: x + 2
a = numpy.array([1, 2, 3, 4, 5, 6])
print("Array after addition function: ", addition(a))
# 输出：Array after addition function:  [3 4 5 6 7 8]

在此例中，建立了一个 lambda 函数，它使每一个元素都递增 2。

NumPy 数组的长度

要获得 NumPy 数组的长度，能够用 size 属性，以下所示：

import numpy 
a = numpy.array([1, 2, 3, 4, 5, 6]) 
print("The size of array = ", a.size)
# 输出：The size of array =  6

从 list 建立 NumPy 数组

假设你有一个列表：

l = [1, 2, 3, 4, 5]

如今要根据这个列表建立一个数组，能够用 NumPy 模块的 array() 方法：

import numpy 
l = [1, 2, 3, 4, 5] 
a = numpy.array(l) 
print("The NumPy array from Python list = ", a)
# 输出：The NumPy array from Python list =  [1 2 3 4 5]

一样，使用 array() 方法，也能够从元组建立 NumPy 数组。以下所示：

import numpy
t = (1, 2, 3, 4, 5) 
a = numpy.array(t) 
print("The NumPy array from Python Tuple = ", a)
# 输出：The NumPy array from Python Tuple =  [1 2 3 4 5]

将 NumPy 数组转换为 list

要将数组转换为list，可使用 NumPy 模块的 tolist()方法。

import numpy 
a = numpy.array([1, 2, 3, 4, 5]) 
print("Array to list = ", a.tolist())
# 输出：Array to list =  [1, 2, 3, 4, 5]

在这段代码中，咱们简单地调用了 tolist() 方法，该方法将数组转换为列表。而后将新建立的列表打印到输出屏幕。

把 NumPy 数组导出为 CSV

要将数组导出为 CSV 文件，能够用 NumPy 模块的 savetxt() 方法，以下所示：

import numpy 
a = numpy.array([1, 2, 3, 4, 5]) 
numpy.savetxt("myArray.csv", a)

此代码将在 Python 代码文件所在路径下生成 CSV 文件。固然你也能够指定路径。

该文件的内容以下：

1.000000000000000000e+00
2.000000000000000000e+00
3.000000000000000000e+00
4.000000000000000000e+00
5.000000000000000000e+00

你能够把额外填充的零删除，以下所示：

numpy.savetxt("myArray.csv", a,fmt='%.2f')

对 NumPy 数组排序

能够用 NumPy 模块的 sort() 方法对 NumPy 数组进行排序：

sort() 函数有一个可选参数 axis（整数），默认为 -1。axis 指定咱们要对数组进行排序的轴。 -1 表示将根据最后一个轴对数组进行排序。

import numpy 
a = numpy.array([16, 3, 2, 6, 8, 10, 1]) 
print("Sorted array = ", numpy.sort(a))
# 输出：Sorted array =  [ 1  2  3  6  8 10 16]

在这个例子中，咱们在 print 语句中调用了 sort() 方法。数组 a 被传递给 sort 函数。

归一化数组

归一化数组是指将数组的值置于某个定义范围的过程。例如，咱们想要在 -1 和 1 之间对数组进行归一化，依此类推。

归一化的公式以下：

x = (x – xmin) / (xmax – xmin)

如今把这个公式用于咱们的数组。要查找数组中的最大和最小项，能够分别用 NumPy 的 max() 和 min() 方法。

import numpy 
x= numpy.array([400, 800, 200, 700, 1000, 2000, 300]) 
xmax = x.max() 
xmin = x.min() 
x = (x - xmin)/(xmax - xmin) 
print("After normalization array x = \n", x)
"""
输出：
After normalization array x =
 [0.11111111 0.33333333 0.         0.27777778 0.44444444 1.
 0.05555556]
"""

数组索引

索引指向数组中的一个元素。在下面的例子中，分别用到了一维和二维数组中的索引：

import numpy 
a = numpy.array([20, 13, 42, 86, 81, 9, 11]) 
print("Element at index 3 = ", a[3])
# 输出：Element at index 3 =  86

下面是二维数组：

import numpy 
a = numpy.array([[20, 13, 42], [86, 81, 9]]) 
print("Element at index a[1][2] = ", a[1][2])
# 输出：Element at index a[1][2] =  9

索引 [1][2] 表示第二行和第三列（索引从 0 开始）。所以在屏幕上输出 9 。

将 NumPy 数组附加到另​一个数组上

能够用 append() 方法将 NumPy 数组附加到另​​一个 NumPy 数组上。

import numpy 
a = numpy.array([1, 2, 3, 4, 5]) 
b = numpy.array([10, 20, 30, 40, 50]) 
newArray = numpy.append(a, b) 
print("The new array = ", newArray)
# 输出：The new array =  [ 1  2  3  4  5 10 20 30 40 50]

在此例中，建立两个 NumPy 数组 a， b 。而后把两个数组传给 append()。当数组 b 做为第二个参数传递时，将被添加到数组 a 的末尾。

总结

正如你们所见，NumPy 数组用起来很是简单。在使用不少机器学习库时，NumPy 数组很是重要。能够说NumPy 是人工智能的大门。