400-616-5551

您所在位置: 首页> 学习课程> python大数据:Numpy基础20问

python大数据:Numpy基础20问

发布百知教育 来源:学习课程 2020-04-07

1、什么是numpy?

一言以蔽之,numpy是python中基于数组对象的科学计算库。

提炼关键字,可以得出numpy以下三大特点:

  • 拥有n维数组对象;
  • 拥有广播功能(后面讲到);
  • 拥有各种科学计算API,任你调用;


2、如何安装numpy?

因为numpy是一个python库,所以使用python包管理工具pip或者conda都可以安装。

安装python后,打开cmd命令行,输入:

pip install numpy

即可完成安装。

3、什么是n维数组对象?

n维数组(ndarray)对象,是一系列同类数据的集合,可以进行索引、切片、迭代操作。

numpy中可以使用array函数创建数组:

import numpy as np
np.array([1,2,3])
# 输出:array([1, 2, 3])

4、如何区分一维、二维、多维?

判断一个数组是几维,主要是看它有几个轴(axis)。

一个轴表示一维数组,两个轴表示二维数组,以此类推。

每个轴都代表一个一维数组。

比如说,二维数组第一个轴里的每个元素都是一个一维数组,也就是第二个轴。

一维数组一个轴:

[1,2,3]

二维数组两个轴:

[[0, 1, 2],
[3, 4, 5]]

三维数组三个轴:

[[[ 0,  1,  2],
 [ 3,  4,  5]],

[[ 6,  7,  8],
 [ 9, 10, 11]]]

以此类推n维数组。

5、如何创建n维数组?


numpy中常用array函数创建数组,传入列表或元组即可。

创建一维数组,并指定数组类型为int

import numpy as np
np.array([1,2,3],dtype=int)
# 输出:array([1, 2, 3])

创建二维数组:

import numpy as np
np.array(((1,2),(3,4)))

 '''
输出:
array([[1, 2],
       [3, 4]])
'''

还可以使用arange函数创建一维数字数组,用法类似python的range函数.

import numpy as np
np.arange(1,6)
'''
输出:array([1, 2, 3, 4, 5])
'''

6、如何创建随机数组?

numpy的random模块用来创建随机数组。

  • random.rand函数,生成[0,1)均匀分布的随机数组
import numpy as np
# 创建2行2列取值范围为[0,1)的数组
np.random.rand(2,2)
'''
输出:
array([[0.99449146, 0.92339551],
       [0.1837405 , 0.41719798]])
'''

  • random.randn函数,生成数值成标准正态分布(平均值为0,标准差为1)的数组
import numpy as np
# 创建2行3列,取值范围为标准正态分布的数组
np.random.randn(3,2)
'''
输出:
array([[-1.27481003, -1.5888111 ],
       [ 0.16985203, -2.91526479],
       [ 1.75992671, -2.81304831]])
'''

  • random.randint函数,生成可以指定范围的随机整数数组
import numpy as np
# 创建2行2列,取值范围为[2,10)的随机整数数组
np.random.randint(2,10,size=(2,2))
'''
输出:
array([[5, 4],
       [3, 7]])
'''

  • random.normal函数,生成数值成正态分布(可指定平均值、标准差)的数组
import numpy as np
# 创建一维,数值成正态分布(均值为1,标准差为2)的数组
# 参数loc代表均值,scale代表标准差
np.random.normal(loc=1,scale=2,size=5)
'''
输出:
array([ 0.82962241,  0.41738042,  0.0470862 ,  1.79446076, -1.47514478])
'''

random模块还有其他函数,这里不多说。

python大数据

7、如何查看数组的维度?

前面说到,数组维度即代表轴的数量。

我们可以通过数组(ndarray)对象的ndim或shape属性,来查看轴的数量。

  • ndim属性直接返回维度值;
  • shape属性返回一个元组,元组的长度即代表维度值,里面的数字从左往右分别代表每一轴的元素数量。
import numpy as np
# 创建一维数组
x1 = np.array([1,2,3])
# 返回维度值
x1.ndim
'''
输出:1
'''

# 创建二维数组
x2 = np.array([[1,2,3],[4,5,6]])
# 返回形状
x2.shape
'''
输出:(2, 3)
元素长度为2代表二维,
元素2代表0轴有两个元素,
元素3代表1轴有3个元素。
'''

8、如何查看数组有多少个元素?

数组(ndarray)对象的size属性可以查看数组包含元素总数。

import numpy as np
# 创建二维数组
x2 = np.array([[1,2,3],[4,5,6]])
# 查看元素总数
x2.size
'''
输出:6
'''

还可以通过shape属性返回元素的乘积,来计算数组元素数量。

import numpy as np
from functools import reduce
# 创建二维数组
x2 = np.array([[1,2,3],[4,5,6]])
# 查看元素总数
reduce(lambda x,y:x*y , x2.shape)
'''
输出:6
shape形状:
(2,3)
'''

9、Numpy数组支持哪些数据类型?

Numpy支持的数据类型非常多,所以很适合做数值计算。下面给出常见的数据类型:


大数据培训




10、如何查看数组的类型?

数组(ndarrry)对象提供dtype属性,用来查看数组类型。

import numpy as np
# 创建二维数组
x2 = np.array([[1,2,3],[4,5,6]],dtype=int)
# 返回类型
x2.dtype
'''
输出:dtype('int32')
'''

11、如何改变数组的形状?

前面说过,数组的shape属性返回一个元组,能够反映数组的形状,包括维度以及每个轴的元素数量。

那么如果给定一个数组,怎么改变其形状呢?

常用的方式有两种:

  • reshape方法,它返回一个新的数组,而不能改变原始数组。
  • resize方法,无返回值,它更改了原始数组。

比如说我要将一个二维数组转换为三维数组。

import numpy as np
# 创建二维数组
x2 = np.array([[1,2,3],[4,5,6]])
# 将x2转换为三维数组,并且自定义每个轴的元素数量
x2.reshape(1,2,3)
'''
输出:
array([[[1, 2, 3],
        [4, 5, 6]]])
'''

reshape方法可以传入整数或者元组形式的参数。

传入的参数和shape属性返回的元组的含义是一样的。

例如, x2.reshape(1,2,3)是将二维数组转换成三维数组,参数个数代表要转换的维度,参数数字从左到右分别表示0轴、1轴、2轴的元素数量。

resize方法和reshape方法使用形式一样,区别是resize方法改变了原始数组形状。

import numpy as np
# 创建二维数组
x2 = np.array([[1,2,3],[4,5,6]])
# 将x2转换为三维数组,并且自定义每个轴的元素数量
x2.resize((1,2,3))
x2
'''
输出:
array([[[1, 2, 3],
        [4, 5, 6]]])
'''

12、如何对数组进行索引和切片操作?

numpy一维数组的索引和切片操作类似python列表,这里不多讲。

比如说取一维数组前三个元素。

import numpy as np
# 创建一维数组
x1 = np.array([1,2,3,4])
# 切片,取前三个元素
x1[:3]
'''
输出:
array([1, 2, 3])
'''

重点是对多维数组的索引和切片。

多维数组有多个轴,那么就需要对每个轴进行索引。

例如,三维数组形状为(x,y,z),分别代表:0轴有x个元素、1轴有y个元素,2轴有z个元素。

对0、1、2轴进行索引,如果取o轴第2个元素、1轴第0个元素、2轴第3个元素,那么索引形式就为[2,0,3]。

import numpy as np
# 创建三维数组
x3 = np.arange(24).reshape(3,2,4)
# 对该三维数组进行索引
x3[2,0,3]

'''
输出:19

三维数组形式:
array([[[ 0,  1,  2,  3],
        [ 4,  5,  6,  7]],

       [[ 8,  9, 10, 11],
        [12, 13, 14, 15]],

       [[16, 17, 18, 19],
        [20, 21, 22, 23]]])
'''

切片也是同样道理。

如果取o轴前2个元素、1轴前1个元素、2轴后2个元素,那么切片形式就为[:2,:1,-2:]。

import numpy as np
# 创建三维数组
x3 = np.arange(24).reshape(3,2,4)
# 对该三维数组进行切片
x3[:2,:1,-2:]

'''
输出:
array([[[ 2,  3]],

       [[10, 11]]])

三维数组形式:
array([[[ 0,  1,  2,  3],
        [ 4,  5,  6,  7]],

       [[ 8,  9, 10, 11],
        [12, 13, 14, 15]],

       [[16, 17, 18, 19],
        [20, 21, 22, 23]]])
'''

13、如何对数组里每个元素进行迭代?

说到迭代,大家很容易想到直接对数组直接使用for循环操作,对于一维数组来说,当然是可以的。

import numpy as np
# 创建一维数组
x1 = np.array([1,2,3,4])
# 迭代
for i in x1:
    print(i)
'''
输出:
1
2
3
4
'''

但对于多维数组,迭代是相对于0轴完成的,就是多维数组最外层的那一维。

你没有办法直接遍历数组里每一个元素,嵌套循环又太低效。

这个时候就需要用到flat方法,它可以将多维数组平铺为一维的迭代器。

import numpy as np
# 创建二维数组
x2 = np.array([[1,2,3],[4,5,6]])
# 先平铺,再迭代
for i in x2.flat:
    print(i)
'''
输出:
1
2
3
4
5
6
'''

14、如何将多维数组展开为一维数组?

数组(ndarray)对象提供了ravel方法,用来将多维数组展开为一维数组。

import numpy as np
# 创建er维数组
x3 = np.arange(12).reshape(3,4)
# 对该三维数组进行索引
x3.ravel()
'''
输出:
array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11])
'''

15、什么广播机制?

广播(Broadcast)是 numpy 对不同形状(shape)的数组进行数值计算的方式, 对多个数组的算术运算通常在相应的元素上进行。

较小的数组在较大的数组上“广播”,以便它们具有兼容的形状。

比如说一个一维数组乘以一个数字,相当于一维数组里每个元素都乘以这个数。

Python培训


如果相同维度的数组进行运算,其shape相同,那么广播就是两个数组相同位数的元素进行运算。


Python培训

import numpy as np
# 创建一维数组
x1 = np.array([1,2,3])
x2 = np.array([4,5,6])
# 广播
x1 + x2
'''
输出:
array([5, 7, 9])
'''

如果两个数组维度不同,进行运算,这里就触发了广播的两个规则。

  • 让所有输入数组都向其中形状最长的数组看齐,形状中不足的部分都通过在前面加 1 补齐;
  • 当输入数组的某个维度的长度为 1 时,沿着此维度运算时都用此维度上的第一组值。

这两个规则保证了不同维度数组进行运算时,其维度自动调整成一致。


import numpy as np
# 创建一维数组
x1 = np.array([[1,2,3],[4,5,6]])
x2 = np.array([2,3,4])
# 广播
x1 - x2
'''
输出:
array([[-1, -1, -1],
       [ 2,  2,  2]])
'''

16、numpy中如何进行数值舍入操作?

  • around函数,用于四舍五入,返回一个新数组
import numpy as np
# 创建一维数组
x1 = np.array([1.45,2.78,3.12])
# 四舍五入,到小数点后1位
np.around(x1,1)
'''
输出:
array([1.4, 2.8, 3.1])
'''

  • floor函数,用于向下取整,返回一个新数组
import numpy as np
# 创建一维数组
x1 = np.array([1.45,2.78,3.12])
# 向下取整
np.floor(x1)
'''
输出:
array([1., 2., 3.])
'''

  • ceil函数,用于向上取整,返回一个新数组
import numpy as np
# 创建一维数组
x1 = np.array([1.45,2.78,3.12])
# 向下取整
np.ceil(x1)
'''
输出:
array([2., 3., 4.])
'''

17、如何对数组进行转置操作?

numpy提供了transpose函数用以对数组进行维度的调换,也就是转置操作。

转置后返回一个新数组。

import numpy as np
# 创建二维数组
x1 = np.arange(12).reshape(3,4)
# 转置
np.transpose(x1)
'''
输出:
array([[ 0,  4,  8],
       [ 1,  5,  9],
       [ 2,  6, 10],
       [ 3,  7, 11]])
原数组:
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])
'''

当然,可以用更简单的方法。

数组对象提供了T方法,用于转置,同样会返回一个新数组。

import numpy as np
# 创建二维数组
x1 = np.arange(12).reshape(3,4)
# 转置
x1.T
'''
输出:
array([[ 0,  4,  8],
       [ 1,  5,  9],
       [ 2,  6, 10],
       [ 3,  7, 11]])
原数组:
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])
'''

18、如何连接两个相同维度的数组?

numpy的concatenate 函数用于沿指定轴连接相同形状的两个或多个数组。

import numpy as np
# 创建两个二维数组
x1 = np.array([[1,2,3],[4,5,6]])
x2 = np.array([[7,8,9],[10,11,12]])
# 连接,默认沿0轴连接
np.concatenate((x1,x2))

'''
输出:
array([[ 1,  2,  3],
       [ 4,  5,  6],
       [ 7,  8,  9],
       [10, 11, 12]])
'''


# 指定沿1轴连接
np.concatenate((x1,x2),axis=1)

'''
输出:
array([[ 1,  2,  3,  7,  8,  9],
       [ 4,  5,  6, 10, 11, 12]])
'''

19、如何向数组添加值?

  • numpy的append 函数向数组末尾追加值,可以指定不同的轴。
import numpy as np
# 创建一个二维数组
x1 = np.array([[1,2,3],[4,5,6]])
# 直接向数组末尾添加元素,返回平铺的一维数组
np.append(x1,[7,8,9])
'''
输出:
array([1, 2, 3, 4, 5, 6, 7, 8, 9])
'''


# 沿轴 0 添加元素
np.append(x1, [[7,8,9]],axis = 0)
'''
输出:
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])
'''


# 沿轴 1 添加元素
np.append(x1, [[5,5,5],[7,8,9]],axis = 1)
'''
输出:
array([[1, 2, 3, 5, 5, 5],
       [4, 5, 6, 7, 8, 9]])
'''

  • numpy的insert 函数可以沿给定轴,在数组中任意位置插入数据。
import numpy as np
# 创建一个二维数组
x1 = np.array([[1,2,3],[4,5,6],[7,8,9]])
# 直接在指定位置插入元素,返回平铺的一维数组
np.insert(x1,2,[0,0,0])
'''
输出:
array([1, 2, 0, 0, 0, 3, 4, 5, 6, 7, 8, 9])

原数组:
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])
'''


# 指定位置,沿轴 0 插入元素
np.insert(x1,1,[0,0,0],axis=0)
'''
输出:
array([[1, 2, 3],
       [0, 0, 0],
       [4, 5, 6],
       [7, 8, 9]])
'''


# 指定位置,沿轴 1插入元素
np.insert(x1,2,[0,0,0],axis=1)
'''
输出:
array([[1, 2, 0, 3],
       [4, 5, 0, 6],
       [7, 8, 0, 9]])
'''

20、如何对数组进行去重操作?

numpy的unique 函数用于去除数组中的重复元素,返回一个新数组。

import numpy as np
# 创建一个一维数组
x1 = np.array([2,3,5,1,3,8,1,0])
np.unique(x1)
'''
输出:
array([0, 1, 2, 3, 5, 8])
'''

unique函数还能返回重复元素的索引、计数等信息,可去查文档自定义参数。



上一篇:一年半,我的工资从7000变成了15000!

下一篇:深圳java程序员待遇怎么样,就业机会多吗

相关推荐

关闭

立即申请

www.baizhiedu.com