NumPy图解操作详解

一、简介

NumPy是Python中诸多数据科学库的重要基础，例如，pandas，OpenCV，TensorFlow等，学习NumPy对其它NumPy依赖数据科学库意义重大

 

0、NumPy数组 vs Python列表

• Numpy数组中插入、移除元素没Python列表高效；

• Numpy数组可直接做四则运算、Python列表则需借助列表推倒式等；

  

• Numpy数组更紧凑,高维时尤为明显；

• Numpy数组向量化后运算速度比Python列表更快；

• Numpy数组通常是同质化的，仅仅当数组中元素类型一致时处理速度快。

---

1、一维数组 (向量)

1.1 数组创建

• 通过Python列表创建

  

  ⚠️必须确保列表中元素类型一致，否则，进一步处理报错。⚠️NumPy数组区别于Python列表，不能在数组末尾直接扩展元素。

• 通过np.zeros或np.empty等创建 可以通过np.zeros、np.ones、np.empty、np.full等创建数组。

  

• 通过np.zeros_like或np.empty_like等创建 以上都有对应的_like函数，可快速创建a数组长度一致数组， 

  

• 通过np.arange和np.linspace创建 np.arange类似于Python range

  

  ⚠️np.arange对元素数据类型敏感，特别是float类别，以下方式可供参考

• 创建随机数组 已弃用方法，

  

  新方法， 

---

1.2 数组索引

1.1中介绍了多种构建数组的方法，1.2中介绍如何愉快的从数组中取元素。

• 常见索引方法

  

• 布尔运算符索引 

  

  ⚠️不能用三元运算符，如3<=a<=5。

• np.where、np.clip+布尔运算符索引

  

---

1.3 数组操作

计算速度是NumPy的亮点之一，其数组运算操作速度接近C++，把数组当作整体来运算，避免Python的循环，可以解决一部分Python慢的问题，这一节介绍NumPy的数组操作。

• 加减乘除、取整等基础操作 类似python加减乘除、取余数，

  

  向上、向下、四舍五入最大、最小、均值等，

• 三角函数

  

• 标量计算

  

• 支持更多数学方法

  

• 排序 只有部分Python列表排序操作，

  

---

1.4 数组元素查找

无Python list的index函数，通常有三种方法，

• where，但不够pythonic、需压遍历数组；

• next，较快，需要Numba；

• searchsorted，适合已排序数组。

  

---

1.5 浮点数比较

---

2 二维数组 (矩阵)

2.1 二维数组创建

同一维数组，⚠️使用[[]],

随机数组构建

---

2.2 二维数组索引

比Python嵌套列表更方便

---

2.3 二维数组操作

NumPy支持跨行、跨列操作，此时NumPy引入了axis的概念，axis=1，axis=0，

• 行列or行or列求和 

  

• +、-、*、/、//、**和@  +、-、*、/、//、**类似一维数组，@为二维数组独有，二维数组整体计算，

  

  二维数组与单个元素、一维数组计算，@计算非对称线性代数外积，

• 行/列向量计算

  

• 二维数组变形 

  

  一维数组、二维数组之间互转，

• hstack、vstack、column_stack拼接数组

  

• hsplit、vsplit拆分二维数组

  

• tile、repeat复制数组

  

• delete二维数组删除 

  

• insert二维数组插入 

  

• append二维数组末尾操作

  

• pad二维数组边界操作

  

---

2.4 二维数组网格化

针对网格化，C、传统Python及MATLAB都有解决办法，

NumPy的广播机制让网格化更高效，此外，网格还可以用于数组索引，

---

2.5 二维数组统计

支持min/max, argmin/argmax, mean/median/percentile, std/var等函数，前面2.3节介绍过部分。

argmin/argmax返回最大、最小值下标，all和any适用特定维度， 

---

2.6 二维数组排序

注意指定axis，

• argsort按某一列排序

  

• lexsort对所有列进行排序 ⚠️总是按行执行，从下到上，

  

• sort结合order

  

---

3 多维数组 (3维及更高维数组)

下面主要以3维数组为例。

3.1 多维数组创建

通过reshape 1维数组、嵌套Python list创建多维数组，索引(z,y,x)中，z是平面方向，(y,x)在z平面上坐标，

---

3.2 多维数组创建hstack，vstack

适用3维数组，多了一个dstack，

⚠️但是，这些函数支持的索引顺序是(y,x,z)，

需要借助concatenate改变多维数组布局，广播机制也适用多维数组，einsum(Einstein summation)函数在多维数组中可避免过多Python循环，让代码更简洁。