Numpy ndarray 多維數組對象的使用
介紹
目前它是Python數值計算中最為重要的基礎包,將numpy的數組的對象作為數據交互的通用語,一般我們要充分理解好矩陣計算的原理,這需要你要有一些線性代數的基礎知識。在對數據處理、清洗、構造子集、過濾、變換以及其他計算的過程快速的進行向量化計算,後續也會介紹R語言,因為R語言就是一個原生態基於向量化計算的編程語言。
Numpy的核心特征之一就是一個N維數組對象——ndarray,這是一個快速靈活的大型數據集容器,可以進行科學數值計算。
代碼操作
import numpy as np
導入好包之後,我們隨機生成一個2*3的數組,2行3列的隨機數組
data=np.random.randn(2,3)
對數組的簡單操作
data*10 >>array([[ 9.00839244, -17.67421607, -0.03125454], [ 19.79906711, -2.62145167, -12.55106031]]) data+data >>array([[ 1.80167849, -3.53484321, -0.00625091], [ 3.95981342, -0.52429033, -2.51021206]]) data.shape >>(2, 3) data.dtype >>dtype('float64')
生成ndarray
生成數組的最簡單的方法就是使用array函數,對於傳入的類型可以是其他任意的序列,如你傳入一個列表,那麼它就會接收這個列表並轉換為數組類型,如果傳入的是多個列表那麼它就會接收多個,在線性代數裡面我們叫這個是維度,比如下面的就是一個2行3列的矩陣。
data1=[[1,2,3],[4,5,6]] arry1=np.array(data1) arry1 >>array([[1, 2, 3], [4, 5, 6]]) arry1.ndim >>2 arry1.shape >>2, 3)
除瞭這個我們還可以使用其他的函數來創建數組,比如給定瞭長度和形狀類型就會一次性創建完畢,這裡是創建瞭一個2*3的元素是1的數組
np.ones((2,3)) >>array([[1., 1., 1.], [1., 1., 1.]])
numpy裡面也有像Python range()函數一樣的效果——np.arange(),操作效果和Python的range函數有異曲同工之妙,start,stop,step都是可設置的。
對角矩陣生成
ndarray的數據類型
如何查看數組的數據類型以及如何進行轉換,在numpy裡面整型:int32,浮點型:float64.
Numpy 數組計算
基於numpy的數組計算在之前我也演示瞭一些,四則運算,加減乘除,以及一些數組運算,每一個數組與數組之間的計算都是元素相互對於的,並不是獨立的,這個是我們需要理解清楚的地方,有趣的是,我們需要比較兩個相同維數的數組,我們可以利用> < = 來查看,它返回的是佈爾值。
基礎索引和切片
在一維的數組裡面,和Python列表裡面的所有一樣,如果是高維的就有所不同瞭,就需要利用多重索引瞭,這裡的變量和上面的一樣
如果產生瞭一個三位的數組,比如一個2*2*3的數組,我們按照索引,可以自動索引出來第一個的的數組
對於高維的數組的切片,我們需要註意的是,它的切片原理是按照數組裡面的數組進行切片的,比如一個二維數組(2*3*2)的,我們需要取出每個單位數組裡面的第一個元素,我們應該如何做
很明顯的我們可以看出多維數組的切片特點:我這裡抽象化為列表的特點來解釋,比如我們可以把多維數組看做是一個列表裡面的多個列表,也就是嵌套列表,然後我們按照索引來取,上述例子就是首先取出兩個大的數組,然後從這個兩個大的數組裡面再去前兩個數組,最後取出索引為0的元素,這樣層層遞減,一步一步的索引是numpy索引的特點,之所以大數據技術之分析與計算,要用到矩陣計算的優化,就是來源於它的分而治之的原理和特點。
佈爾索引
其實就是對數組裡面的值或元素進行比較,之中返回佈爾值即可
上述例子就是產生瞭一個一維的字符串的數組,然後我們通過比較得出佈爾值來獲取data的值,自然就獲取到data[0]的數組啦
註意在Python裡面我們可以用and or來判斷,在numpy裡面我們需要&(and)|(or)來解決你的需求,記住喲
特殊索引
我們需要索引出不同位置的數組,這個時候我們還在一個一個的取出來嗎,當然不是我們可以利用特殊的索引來解決這個問題,比如下面的例子
下面我們來看看這個特殊索引的其他的用法
第一步我們我們按照索引取出對角線的元素,第二的一個我們想要得到一個二維的數組,我們取出一個大數組裡面索引位置分別為:1 5 7 2的一維數組然後我們利用索引位置的調換,把元素重新的進行瞭排序。
數組的轉換和換軸
我們隨機生成一個0-15的元素組成3*5的一個數組,然後利用.T屬性,如果學過線性代數的小夥伴一定對這個不陌生,矩陣的轉置:把行變成列,把列變成行。
總結
在numpy的數組操作我們現在其實並沒有發現這個對我們的數據分析有什麼用處,這個很正常。就像我們之前學習線性代數,我們發現這個矩陣對我們並沒什麼用,但是當你使用MATLAB的時候才發現“書到用時方恨少”的道理。
到此這篇關於Numpy ndarray 多維數組對象的使用的文章就介紹到這瞭,更多相關Numpy ndarray 多維數組對象內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!
推薦閱讀:
- Python Numpy中ndarray的常見操作
- python數學建模是加深Numpy和Pandas學習
- Python數據分析之Numpy庫的使用詳解
- python ndarray數組對象特點及實例分享
- 初識python的numpy模塊