머리말
파이썬에서는 가끔 배열을 사용해 데이터를 연산하는데, 이는 데이터 처리 효율을 크게 향상시킬 수 있는데, 이는 데이터의 트렌드인 R의 벡터화 연산과 유사하다. 단순화를 위해 Python의 numpy 모듈을 사용하여 배열 및 벡터 계산을 수행할 수 있습니다.
간단한 예를 살펴보겠습니다
import numpy as np data=np.array([2,5,6,8,3]) #构造一个简单的数组 print(data)
결과:
[2 5 6 8 3]
data1=np.array([[2,5,6,8,3],np.arange(5)]) #构建一个二维数组 print(data1)
결과:
[[2 5 6 8 3] [0 1 2 3 4]]
shape 및 dtype 메서드를 통해 배열의 크기와 데이터 형식을 볼 수도 있습니다
print(data.shape) print(data.dtype) print(data1.shape) print(data1.dtype)
결과:
(5,) int32 (2, 5) int32
데이터가 1차원 배열임을 알 수 있습니다. , 각 그룹에는 5개의 요소가 있습니다. 데이터 유형은 32비트 int 유형
data1은 2차원 배열입니다. 각 그룹에는 5개의 요소가 있습니다.
더 나은 구별 방법은 인쇄물을 보는 것입니다. 결과에서 대괄호의 수와 위치는 배열의 크기를 나타낼 수 있습니다.
기타 배열 속성 방법은 다음과 같습니다.
array.ndim 배열의 차원, 1차원 배열의 결과는 1, 인쇄 결과는 2차원 배열은 2
array.size 배열의 요소 수
array.itemsiz 배열의 각 요소의 바이트 크기
다음, 배열의 데이터 유형을 살펴보겠습니다.
NumPy의 기본 데이터 유형
| 名称 | 描述 |
| bool | 用一个字节存储的布尔类型（True或False） |
| inti | 由所在平台决定其大小的整数（一般为int32或int64） |
| int8 | 一个字节大小，-128 至 127 |
| int16 | 整数，-32768 至 32767 |
| int32 | 整数，-2 ** 31 至 2 ** 32 -1 |
| int64 | 整数，-2 ** 63 至 2 ** 63 - 1 |
| uint8 | 无符号整数，0 至 255 |
| uint16 | 无符号整数，0 至 65535 |
| uint32 | 无符号整数，0 至 2 ** 32 - 1 |
| uint64 | 无符号整数，0 至 2 ** 64 - 1 |
| float16 | 半精度浮点数：16位，正负号1位，指数5位，精度10位 |
| float32 | 单精度浮点数：32位，正负号1位，指数8位，精度23位 |
| float64或float | 双精度浮点数：64位，正负号1位，指数11位，精度52位 |
| complex64 | 复数，分别用两个32位浮点数表示实部和虚部 |
| complex128或complex | 复数，分别用两个64位浮点数表示实部和虚部 |
基础的数组运算
数组也可以进行我们常用的加减乘除运算
arr=np.array(np.arange(10)) arr1=np.array(np.arange(1,11)) print(arr*2)
结果：
[ 0 2 4 6 8 10 12 14 16 18]
print(arr+arr1)
结果：
[ 1 3 5 7 9 11 13 15 17 19]
注意，相加两个数组长度要一样
接下来我们看下数组索引
arr=np.arange(10)
用下标直接进行索引
print(arr[5])
结果为：
5
切片索引
print(arr[5:8])
结果为：
[5 6 7]
可以利用索引对数据进行更改操作
arr[5]=120 print(arr)
结果为：
[ 0 1 2 3 4 120 6 7 8 9]
可以看到下标为5的数已经变成120了。
此外，数组还可以进行布尔操作
arr=np.arange(5) name=np.array(['a','b','b','c','a']) print(name=='a')
结果为：
[ True False False False True]
即满足条件的数据全部以True的结果输出。
接下来我们可以利用name数组设置条件后的布尔值对arr数组进行相关操作
print(arr[name=='a'])
结果为：
[0 4]
即把arr中对应于name中a相对应位置的元素打印出来。
多条件操作
result=(name='a')|(name='c') print(result) print(name[result])
结果为：
[ True False False True True] ['a' 'c' 'a']
接下来，我们了解下ufunc方法
用于操作单个数组的函数有如下：
用于操作两个或多个数组的方法
相关的函数方法使用
np.meshgrid 用于生成多维矩阵
a,b=np.meshgrid(np.arange(1,5),np.arange(2,4)) print(a) print(b)
结果为：
[[1 2 3 4] [1 2 3 4]] [[2 2 2 2] [3 3 3 3]]
按照数据最少的数组形成数组
np.where 是三元表达式 x if condition else y的矢量化版本
arr1=np.arange(5) arr2=np.arange(20,25) condition=np.array([1,0,1,0,0]) result=np.where(condition,arr1,arr2) print(arr1) print(arr2) print(result)
结果为：
[0 1 2 3 4] [20 21 22 23 24] [ 0 21 2 23 24]
可以看出，result的结果中，条件为1的显示数组arr1的内容，条件为0的显示arr2的内容
数学统计方法
在数组中我们也可以使用数学统计方法进行计数，例如sum mean std 等
arr=np.random.randint(1,20,10) print(arr) print(np.mean(arr)) print(np.sum(arr)) print(np.std(arr))
结果为：
[19 14 8 13 13 10 10 9 19 7] 12.2 122 4.01995024845
具体的方法内容如下图所示：
布尔型数组的相关统计方法
arr=np.arange(-20,10) result=(arr>5).sum() print(arr) print(result)
结果为：
-20 -19 -18 -17 -16 -15 -14 -13 -12 -11 -10 -9 -8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 9] 4
可以对数据进行判断后进行个数求和
其他的数组方法还有
数据的读取和存储
线性函数的常用方法
arr=np.array([np.random.randint(1,10,5),np.random.randint(10,20,5)]) print(arr) print(np.dot(arr,2))
结果为
[[ 4 6 5 1 6] [14 16 11 10 18]] [[ 8 12 10 2 12] [28 32 22 20 36]]
dot方法可以进行矩阵相乘操作
其他方法如下图
最后我们了解下numpy中的随机数生成方法
上面的很多例子中我们已经用到了随机数生成，
arr=np.random.random(10) print(arr)
结果为
[ 0.90051063 0.72818635 0.00411373 0.13154345 0.45513344 0.9700776 0.42150977 0.27728599 0.50888291 0.62288808]
其他形式的随机数生成方法
更多python中numpy基础学习及进行数组和矢量计算相关文章请关注PHP中文网！
![[웹 프런트엔드] Node.js 빠른 시작](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
