深入理解NumPy简明教程---数组2


Posted in Python onDecember 17, 2016

NumPy数组(2、数组的操作)

基本运算

数组的算术运算是按元素逐个运算。数组运算后将创建包含运算结果的新数组。

>>> a= np.array([20,30,40,50]) 
>>> b= np.arange( 4) 
>>> b 
array([0, 1, 2, 3]) 
>>> c= a-b 
>>> c 
array([20, 29, 38, 47]) 
>>> b**2 
array([0, 1, 4, 9]) 
>>> 10*np.sin(a) 
array([ 9.12945251,-9.88031624, 7.4511316, -2.62374854]) 
>>> a<35 
array([True, True, False, False], dtype=bool)

与其他矩阵语言不同,NumPy中的乘法运算符*按元素逐个计算,矩阵乘法可以使用dot函数或创建矩阵对象实现(后续章节会介绍)

>>> A= np.array([[1,1], 
...[0,1]]) 
>>> B= np.array([[2,0], 
...[3,4]]) 
>>> A*B # 逐个元素相乘 
array([[2, 0], 
   [0, 4]]) 
>>> np.dot(A,B) # 矩阵相乘 
array([[5, 4], 
  
 [3, 4]])

有些操作符如+=和*=用来更改已存在数组而不创建一个新的数组。

>>> a= np.ones((2,3), dtype=int) 
>>> b= np.random.random((2,3)) 
>>> a*= 3 
>>> a 
array([[3, 3, 3], 
   [3, 3, 3]]) 
>>> b+= a 
>>> b 
array([[ 3.69092703, 3.8324276, 3.0114541], 
  
  [ 3.18679111, 3.3039349, 3.37600289]]) 
>>> a+= b # b转换为整数类型 
>>> a 
array([[6, 6, 6], 
      [6, 6, 6]])

当数组中存储的是不同类型的元素时,数组将使用占用更多位(bit)的数据类型作为其本身的数据类型,也就是偏向更精确的数据类型(这种行为叫做upcast)。

>>> a= np.ones(3, dtype=np.int32) 
>>> b= np.linspace(0,np.pi,3) 
>>> b.dtype.name 
'float64' 
>>> c= a+b 
>>> c 
array([ 1., 2.57079633, 4.14159265]) 
>>> c.dtype.name 
'float64' 
>>> d= exp(c*1j) 
>>> d 
array([ 0.54030231+0.84147098j,-0.84147098+0.54030231j, 
    -0.54030231-0.84147098j]) 
>>> d.dtype.name 
'complex128'

许多非数组运算,如计算数组所有元素之和,都作为ndarray类的方法来实现,使用时需要用ndarray类的实例来调用这些方法。

>>> a= np.random.random((2,3)) 
>>> a 
array([[ 0.65806048, 0.58216761, 0.59986935], 
      [ 0.6004008, 0.41965453, 0.71487337]]) 
>>> a.sum() 
  3.5750261436902333 
>>> a.min() 
   0.41965453489104032 
>>> a.max() 
   0.71487337095581649

这些运算将数组看作是一维线性列表。但可通过指定axis参数(即数组的行)对指定的轴做相应的运算:

>>> b= np.arange(12).reshape(3,4) 
>>> b 
array([[ 0, 1, 2, 3], 
      [ 4, 5, 6, 7], 
      [ 8, 9, 10, 11]]) 
>>> b.sum(axis=0) # 计算每一列的和,注意理解轴的含义,参考数组的第一篇文章 
array([12, 15, 18, 21]) 
>>> b.min(axis=1) # 获取每一行的最小值 
array([0, 4, 8]) 
>>> b.cumsum(axis=1) # 计算每一行的累积和 
array([[ 0, 1, 3, 6], 
      [ 4, 9, 15, 22], 
      [ 8, 17, 27, 38]])

索引,切片和迭代

和列表和其它Python序列一样,一维数组可以进行索引、切片和迭代操作。

>>> a= np.arange(10)**3 #记住,操作符是对数组中逐元素处理的! 
>>> a 
array([0, 1, 8, 27, 64, 125, 216, 343, 512, 729]) 
>>> a[2] 
8 
>>> a[2:5] 
array([ 8, 27, 64]) 
>>> a[:6:2]= -1000 # 等同于a[0:6:2]= -1000,从开始到第6个位置,每隔一个元素将其赋值为-1000 
>>> a 
array([-1000, 1,-1000, 27,-1000, 125, 216, 343, 512, 729]) 
>>> a[: :-1] # 反转a 
array([ 729, 512, 343, 216, 125,-1000, 27,-1000, 1,-1000]) 
>>>for i in a: 
...  print i**(1/3.), 
... 
nan 1.0 nan 3.0 nan 5.0 6.0 7.0 8.0 9.0

多维数组可以每个轴有一个索引。这些索引由一个逗号分割的元组给出。

>>>def f(x,y): 
...  return 10*x+y 
... 
>>> b= np.fromfunction(f,(5,4),dtype=int) #fromfunction是一个函数,下篇文章介绍。 
>>> b 
array([[ 0, 1, 2, 3], 
      [10, 11, 12, 13], 
      [20, 21, 22, 23], 
      [30, 31, 32, 33], 
      [40, 41, 42, 43]]) 
>>> b[2,3] 
23 
>>> b[0:5, 1] # 每行的第二个元素 
array([ 1, 11, 21, 31, 41]) 
>>> b[: ,1] # 与前面的效果相同 
array([ 1, 11, 21, 31, 41]) 
>>> b[1:3,: ] # 每列的第二和第三个元素 
array([[10, 11, 12, 13], 
      [20, 21, 22, 23]])

当少于提供的索引数目少于轴数时,已给出的数值按秩的顺序复制,确失的索引则默认为是整个切片:

>>> b[-1] # 最后一行,等同于b[-1,:],-1是第一个轴,而缺失的认为是:,相当于整个切片。 
array([40, 41, 42, 43])

 b[i]中括号中的表达式被当作i和一系列:,来代表剩下的轴。NumPy也允许你使用“点”像b[i,...]。

点(…)代表许多产生一个完整的索引元组必要的分号。如果x是秩为5的数组(即它有5个轴),那么:

 

  • x[1,2,…] 等同于 x[1,2,:,:,:], 
  • x[…,3] 等同于 x[:,:,:,:,3]
  • x[4,…,5,:] 等同 x[4,:,:,5,:] 
>>> c= array( [ [[ 0, 1, 2], #三维数组(两个2维数组叠加而成) 
...[ 10, 12, 13]], 
... 
...[[100,101,102], 
...[110,112,113]]] ) 
>>> c.shape 
 (2, 2, 3) 
>>> c[1,...] #等同于c[1,:,:]或c[1] 
array([[100, 101, 102], 
      [110, 112, 113]]) 
>>> c[...,2] #等同于c[:,:,2] 
array([[ 2, 13], 
      [102, 113]])

多维数组的遍历是以是第一个轴为基础的:

>>>for row in b: 
...  print row 
... 
[0 1 2 3] 
[10 11 12 13] 
[20 21 22 23] 
[30 31 32 33] 
[40 41 42 43]

如果想对数组中每个元素都进行处理,可以使用flat属性,该属性是一个数组元素迭代器:

>>>for element in b.flat: 
...  print element, 
... 
0 1 2 3 10 11 12 13 20 21 22 23 30 31 32 33 40 41 42 43

更多关于[]、…、newaxis、ndenumerate、indices、index exp的内容请参考NumPy示例

形状(shape)操作

更改数组的形状

数组的形状取决于其每个轴上的元素个数:

>>> a= np.floor(10*np.random.random((3,4))) 
>>> a 
array([[ 7., 5., 9., 3.], 
      [ 7., 2., 7., 8.], 
      [ 6., 8., 3., 2.]]) 
>>> a.shape 
(3, 4)

可以用多种方式修改数组的形状:

>>> a.ravel() # 平坦化数组 
array([ 7., 5., 9., 3., 7., 2., 7., 8., 6., 8., 3., 2.]) 
>>> a.shape= (6, 2) 
>>> a.transpose() 
array([[ 7., 9., 7., 7., 6., 3.], 
      [ 5., 3., 2., 8., 8., 2.]])

由ravel()展平的数组元素的顺序通常是“C风格”的,就是以行为基准,最右边的索引变化得最快,所以元素a[0,0]之后是a[0,1]。如果数组改变成其它形状(reshape),数组仍然是“C风格”的。NumPy通常创建一个以这个顺序保存数据的数组,所以ravel()通常不需要创建起调用数组的副本。但如果数组是通过切片其它数组或有不同寻常的选项时,就可能需要创建其副本。还可以同过一些可选参数函数让reshape()和ravel()构建FORTRAN风格的数组,即最左边的索引变化最快。

reshape函数改变调用数组的形状并返回该数组,而resize函数改变调用数组自身。

>>> a 
array([[ 7., 5.], 
      [ 9., 3.], 
      [ 7., 2.], 
      [ 7., 8.], 
      [ 6., 8.], 
      [ 3., 2.]]) 
>>> a.resize((2,6)) 
>>> a 
array([[ 7., 5., 9., 3., 7., 2.], 
      [ 7., 8., 6., 8., 3., 2.]])

如果在reshape操作中指定一个维度为-1,那么其准确维度将根据实际情况计算得到

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
Python删除指定目录下过期文件的2个脚本分享
Apr 10 Python
python写日志封装类实例
Jun 28 Python
21行Python代码实现拼写检查器
Jan 25 Python
python使用mysql数据库示例代码
May 21 Python
python实现验证码识别功能
Jun 07 Python
pytorch中tensor的合并与截取方法
Jul 26 Python
Python3实现从排序数组中删除重复项算法分析
Apr 03 Python
Python sklearn库实现PCA教程(以鸢尾花分类为例)
Feb 24 Python
python实现提取COCO,VOC数据集中特定的类
Mar 10 Python
Python集成开发工具Pycharm的安装和使用详解
Mar 18 Python
什么是python的列表推导式
May 26 Python
python中的列表和元组区别分析
Dec 30 Python
深入理解NumPy简明教程---数组1
Dec 17 #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
You might like
PHP获取毫秒级时间戳的方法
2015/04/15 PHP
JavaScript 自动完成脚本整理(33个)
2009/10/20 Javascript
提高网站性能之 如何对待JavaScript
2009/10/31 Javascript
javascript Firefox与IE 替换节点的方法
2010/02/24 Javascript
基于jQuery的仿flash的广告轮播
2010/11/05 Javascript
2014 HTML5/CSS3热门动画特效TOP10
2014/12/07 Javascript
js添加千分位的实现代码(超简单)
2016/08/01 Javascript
Angular2库初探
2017/03/01 Javascript
详解使用JS如何制作简单的ASCII图与单极图
2017/03/31 Javascript
label+input实现按钮开关切换效果的实例
2017/08/16 Javascript
Vue项目中设置背景图片方法
2018/02/21 Javascript
详解webpack+ES6+Sass搭建多页面应用
2018/11/05 Javascript
Vue 权限控制的两种方法(路由验证)
2019/08/16 Javascript
JS可断点续传文件上传实现代码解析
2020/07/30 Javascript
vue设置默认首页的操作
2020/08/12 Javascript
tornado捕获和处理404错误的方法
2014/02/26 Python
python自然语言编码转换模块codecs介绍
2015/04/08 Python
用Python程序抓取网页的HTML信息的一个小实例
2015/05/02 Python
Python中的lstrip()方法使用简介
2015/05/19 Python
python3.4用函数操作mysql5.7数据库
2017/06/23 Python
使用python 爬虫抓站的一些技巧总结
2018/01/10 Python
Python计算一个给定时间点前一个月和后一个月第一天的方法
2018/05/29 Python
django搭建项目配置环境和创建表过程详解
2019/07/22 Python
浅析PyTorch中nn.Linear的使用
2019/08/18 Python
Python OpenCV读取中文路径图像的方法
2020/07/02 Python
PyCharm2020.3.2安装超详细教程
2021/02/08 Python
python绘制汉诺塔
2021/03/01 Python
介绍一下EJB的分类及其各自的功能及应用
2016/08/23 面试题
会议接待欢迎词
2014/01/12 职场文书
国庆节演讲稿
2014/05/27 职场文书
秋季运动会演讲稿
2014/09/16 职场文书
小学教师师德师风个人整改措施
2014/09/18 职场文书
2014年教研室工作总结
2014/12/06 职场文书
公司禁烟通知
2015/04/23 职场文书
创业计划书之情侣餐厅
2019/09/29 职场文书
详解Python为什么不用设计模式
2021/06/24 Python