1、什么是numpy？

一言以蔽之，numpy是python中基于數(shù)組對象的科學(xué)計算庫。

提煉關(guān)鍵字，可以得出numpy以下三大特點：

• 擁有n維數(shù)組對象;

• 擁有廣播功能（后面講到）；

• 擁有各種科學(xué)計算API，任你調(diào)用；

2、如何安裝numpy？

因為numpy是一個python庫，所以使用python包管理工具pip或者conda都可以安裝。

安裝python后，打開cmd命令行，輸入：

pip install numpy

即可完成安裝。

3、什么是n維數(shù)組對象？

n維數(shù)組（ndarray）對象，是一系列同類數(shù)據(jù)的集合，可以進行索引、切片、迭代操作。

numpy中可以使用array函數(shù)創(chuàng)建數(shù)組:

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

4、如何區(qū)分一維、二維、多維？

判斷一個數(shù)組是幾維，主要是看它有幾個軸（axis）。

一個軸表示一維數(shù)組，兩個軸表示二維數(shù)組，以此類推。

每個軸都代表一個一維數(shù)組。

比如說，二維數(shù)組第一個軸里的每個元素都是一個一維數(shù)組，也就是第二個軸。

一維數(shù)組一個軸：

[1,2,3]

二維數(shù)組兩個軸：

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

三維數(shù)組三個軸：

[[[ 0, 1, 2],[ 3, 4, 5]],[[ 6, 7, 8],[ 9, 10, 11]]]

以此類推n維數(shù)組。

5、如何創(chuàng)建n維數(shù)組？

numpy中常用array函數(shù)創(chuàng)建數(shù)組，傳入列表或元組即可。

創(chuàng)建一維數(shù)組，并指定數(shù)組類型為int：

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

創(chuàng)建二維數(shù)組：

import?numpy?as?np np.array(((1,2),(3,4)))''' 輸出： array([[1,?2],[3,?4]]) '''

還可以使用arange函數(shù)創(chuàng)建一維數(shù)字?jǐn)?shù)組，用法類似python的range函數(shù).

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

6、如何創(chuàng)建隨機數(shù)組？

numpy的random模塊用來創(chuàng)建隨機數(shù)組。

• random.rand函數(shù)，生成[0,1)均勻分布的隨機數(shù)組

import?numpy?as?np #?創(chuàng)建2行2列取值范圍為[0,1)的數(shù)組 np.random.rand(2,2) ''' 輸出： array([[0.99449146,?0.92339551],[0.1837405?,?0.41719798]]) '''

• random.randn函數(shù)，生成數(shù)值成標(biāo)準(zhǔn)正態(tài)分布（平均值為0，標(biāo)準(zhǔn)差為1）的數(shù)組

import?numpy?as?np #?創(chuàng)建2行3列，取值范圍為標(biāo)準(zhǔn)正態(tài)分布的數(shù)組 np.random.randn(3,2) ''' 輸出： array([[-1.27481003,?-1.5888111?],[?0.16985203,?-2.91526479],[?1.75992671,?-2.81304831]]) '''

• random.randint函數(shù)，生成可以指定范圍的隨機整數(shù)數(shù)組

import?numpy?as?np #?創(chuàng)建2行2列,取值范圍為[2,10)的隨機整數(shù)數(shù)組 np.random.randint(2,10,size=(2,2)) ''' 輸出： array([[5,?4],[3,?7]]) '''

• random.normal函數(shù)，生成數(shù)值成正態(tài)分布（可指定平均值、標(biāo)準(zhǔn)差）的數(shù)組

import?numpy?as?np #?創(chuàng)建一維，數(shù)值成正態(tài)分布（均值為1，標(biāo)準(zhǔn)差為2）的數(shù)組 #?參數(shù)loc代表均值，scale代表標(biāo)準(zhǔn)差 np.random.normal(loc=1,scale=2,size=5) ''' 輸出： array([?0.82962241,??0.41738042,??0.0470862?,??1.79446076,?-1.47514478]) '''

random模塊還有其他函數(shù)，這里不多說。

7、如何查看數(shù)組的維度？

前面說到，數(shù)組維度即代表軸的數(shù)量。

我們可以通過數(shù)組（ndarray）對象的ndim或shape屬性，來查看軸的數(shù)量。

• ndim屬性直接返回維度值；

• shape屬性返回一個元組，元組的長度即代表維度值，里面的數(shù)字從左往右分別代表每一軸的元素數(shù)量。

import?numpy?as?np #?創(chuàng)建一維數(shù)組 x1?=?np.array([1,2,3]) #?返回維度值 x1.ndim ''' 輸出：1 ''' #?創(chuàng)建二維數(shù)組 x2?=?np.array([[1,2,3],[4,5,6]]) #?返回形狀 x2.shape ''' 輸出：(2, 3) 元素長度為2代表二維， 元素2代表0軸有兩個元素， 元素3代表1軸有3個元素。 '''

8、如何查看數(shù)組有多少個元素？

數(shù)組（ndarray）對象的size屬性可以查看數(shù)組包含元素總數(shù)。

import?numpy?as?np #?創(chuàng)建二維數(shù)組 x2?=?np.array([[1,2,3],[4,5,6]]) #?查看元素總數(shù) x2.size ''' 輸出：6 '''

還可以通過shape屬性返回元素的乘積，來計算數(shù)組元素數(shù)量。

import?numpy?as?np from?functools?import?reduce #?創(chuàng)建二維數(shù)組 x2?=?np.array([[1,2,3],[4,5,6]]) #?查看元素總數(shù) reduce(lambda?x,y:x*y?,?x2.shape) ''' 輸出：6 shape形狀： (2,3) '''

9、Numpy數(shù)組支持哪些數(shù)據(jù)類型？

Numpy支持的數(shù)據(jù)類型非常多，所以很適合做數(shù)值計算。下面給出常見的數(shù)據(jù)類型：

10、如何查看數(shù)組的類型？

數(shù)組（ndarrry）對象提供dtype屬性，用來查看數(shù)組類型。

import?numpy?as?np #?創(chuàng)建二維數(shù)組 x2?=?np.array([[1,2,3],[4,5,6]],dtype=int) #?返回類型 x2.dtype ''' 輸出：dtype('int32') '''

11、如何改變數(shù)組的形狀？

前面說過，數(shù)組的shape屬性返回一個元組，能夠反映數(shù)組的形狀，包括維度以及每個軸的元素數(shù)量。

那么如果給定一個數(shù)組，怎么改變其形狀呢？

常用的方式有兩種：

• reshape方法，它返回一個新的數(shù)組，而不能改變原始數(shù)組。

• resize方法，無返回值，它更改了原始數(shù)組。

比如說我要將一個二維數(shù)組轉(zhuǎn)換為三維數(shù)組。

import?numpy?as?np #?創(chuàng)建二維數(shù)組 x2?=?np.array([[1,2,3],[4,5,6]]) #?將x2轉(zhuǎn)換為三維數(shù)組，并且自定義每個軸的元素數(shù)量 x2.reshape(1,2,3) ''' 輸出： array([[[1,?2,?3],[4,?5,?6]]]) '''

reshape方法可以傳入整數(shù)或者元組形式的參數(shù)。

傳入的參數(shù)和shape屬性返回的元組的含義是一樣的。

例如， x2.reshape(1,2,3)是將二維數(shù)組轉(zhuǎn)換成三維數(shù)組，參數(shù)個數(shù)代表要轉(zhuǎn)換的維度，參數(shù)數(shù)字從左到右分別表示0軸、1軸、2軸的元素數(shù)量。

resize方法和reshape方法使用形式一樣，區(qū)別是resize方法改變了原始數(shù)組形狀。

import?numpy?as?np #?創(chuàng)建二維數(shù)組 x2?=?np.array([[1,2,3],[4,5,6]]) #?將x2轉(zhuǎn)換為三維數(shù)組，并且自定義每個軸的元素數(shù)量 x2.resize((1,2,3)) x2 ''' 輸出： array([[[1,?2,?3],[4,?5,?6]]]) '''

12、如何對數(shù)組進行索引和切片操作？

numpy一維數(shù)組的索引和切片操作類似python列表，這里不多講。

比如說取一維數(shù)組前三個元素。

import?numpy?as?np #?創(chuàng)建一維數(shù)組 x1?=?np.array([1,2,3,4]) #?切片，取前三個元素 x1[:3] ''' 輸出： array([1,?2,?3]) '''

重點是對多維數(shù)組的索引和切片。

多維數(shù)組有多個軸，那么就需要對每個軸進行索引。

例如，三維數(shù)組形狀為(x,y,z)，分別代表：0軸有x個元素、1軸有y個元素，2軸有z個元素。

對0、1、2軸進行索引，如果取o軸第2個元素、1軸第0個元素、2軸第3個元素，那么索引形式就為[2,0,3]。

import?numpy?as?np #?創(chuàng)建三維數(shù)組 x3?=?np.arange(24).reshape(3,2,4) #?對該三維數(shù)組進行索引 x3[2,0,3]''' 輸出：19三維數(shù)組形式： 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]]]) '''

切片也是同樣道理。

如果取o軸前2個元素、1軸前1個元素、2軸后2個元素，那么切片形式就為[:2,:1,-2:]。

import?numpy?as?np #?創(chuàng)建三維數(shù)組 x3?=?np.arange(24).reshape(3,2,4) #?對該三維數(shù)組進行切片 x3[:2,:1,-2:]''' 輸出： array([[[?2,??3]],[[10,?11]]])三維數(shù)組形式： 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、如何對數(shù)組里每個元素進行迭代？

說到迭代，大家很容易想到直接對數(shù)組直接使用for循環(huán)操作，對于一維數(shù)組來說，當(dāng)然是可以的。

import?numpy?as?np #?創(chuàng)建一維數(shù)組 x1?=?np.array([1,2,3,4]) #?迭代 for?i?in?x1:print(i) ''' 輸出： 1 2 3 4 '''

但對于多維數(shù)組，迭代是相對于0軸完成的，就是多維數(shù)組最外層的那一維。

你沒有辦法直接遍歷數(shù)組里每一個元素，嵌套循環(huán)又太低效。

這個時候就需要用到flat方法，它可以將多維數(shù)組平鋪為一維的迭代器。

import?numpy?as?np #?創(chuàng)建二維數(shù)組 x2?=?np.array([[1,2,3],[4,5,6]]) #?先平鋪，再迭代 for?i?in?x2.flat:print(i) ''' 輸出： 1 2 3 4 5 6 '''

14、如何將多維數(shù)組展開為一維數(shù)組？

數(shù)組（ndarray）對象提供了ravel方法，用來將多維數(shù)組展開為一維數(shù)組。

import?numpy?as?np #?創(chuàng)建er維數(shù)組 x3?=?np.arange(12).reshape(3,4) #?對該三維數(shù)組進行索引 x3.ravel() ''' 輸出： array([?0,??1,??2,??3,??4,??5,??6,??7,??8,??9,?10,?11]) '''

15、什么廣播機制？

廣播(Broadcast)是 numpy 對不同形狀(shape)的數(shù)組進行數(shù)值計算的方式， 對多個數(shù)組的算術(shù)運算通常在相應(yīng)的元素上進行。

較小的數(shù)組在較大的數(shù)組上“廣播”，以便它們具有兼容的形狀。

比如說一個一維數(shù)組乘以一個數(shù)字，相當(dāng)于一維數(shù)組里每個元素都乘以這個數(shù)。

import?numpy?as?np #?創(chuàng)建一維數(shù)組 x1?=?np.array([1,2,3]) #?廣播 x1?*?2 ''' 輸出： array([2,?4,?6]) '''

如果相同維度的數(shù)組進行運算，其shape相同，那么廣播就是兩個數(shù)組相同位數(shù)的元素進行運算。

import?numpy?as?np #?創(chuàng)建一維數(shù)組 x1?=?np.array([1,2,3]) x2?=?np.array([4,5,6]) #?廣播 x1?+?x2 ''' 輸出： array([5,?7,?9]) '''

如果兩個數(shù)組維度不同，進行運算，這里就觸發(fā)了廣播的兩個規(guī)則。

• 讓所有輸入數(shù)組都向其中形狀最長的數(shù)組看齊，形狀中不足的部分都通過在前面加 1 補齊；

• 當(dāng)輸入數(shù)組的某個維度的長度為 1 時，沿著此維度運算時都用此維度上的第一組值。

這兩個規(guī)則保證了不同維度數(shù)組進行運算時，其維度自動調(diào)整成一致。

import?numpy?as?np #?創(chuàng)建一維數(shù)組 x1?=?np.array([[1,2,3],[4,5,6]]) x2?=?np.array([2,3,4]) #?廣播 x1?-?x2 ''' 輸出： array([[-1,?-1,?-1],[?2,??2,??2]]) '''

16、numpy中如何進行數(shù)值舍入操作？

• around函數(shù)，用于四舍五入，返回一個新數(shù)組

import?numpy?as?np #?創(chuàng)建一維數(shù)組 x1?=?np.array([1.45,2.78,3.12]) #?四舍五入，到小數(shù)點后1位 np.around(x1,1) ''' 輸出： array([1.4,?2.8,?3.1]) '''

• floor函數(shù)，用于向下取整，返回一個新數(shù)組

import?numpy?as?np #?創(chuàng)建一維數(shù)組 x1?=?np.array([1.45,2.78,3.12]) #?向下取整 np.floor(x1) ''' 輸出： array([1.,?2.,?3.]) '''

• ceil函數(shù)，用于向上取整，返回一個新數(shù)組

import?numpy?as?np #?創(chuàng)建一維數(shù)組 x1?=?np.array([1.45,2.78,3.12]) #?向下取整 np.ceil(x1) ''' 輸出： array([2.,?3.,?4.]) '''

17、如何對數(shù)組進行轉(zhuǎn)置操作？

numpy提供了transpose函數(shù)用以對數(shù)組進行維度的調(diào)換，也就是轉(zhuǎn)置操作。

轉(zhuǎn)置后返回一個新數(shù)組。

import?numpy?as?np #?創(chuàng)建二維數(shù)組 x1?=?np.arange(12).reshape(3,4) #?轉(zhuǎn)置 np.transpose(x1) ''' 輸出： array([[?0,??4,??8],[?1,??5,??9],[?2,??6,?10],[?3,??7,?11]]) 原數(shù)組： array([[?0,??1,??2,??3],[?4,??5,??6,??7],[?8,??9,?10,?11]]) '''

當(dāng)然，可以用更簡單的方法。

數(shù)組對象提供了T方法，用于轉(zhuǎn)置，同樣會返回一個新數(shù)組。

import?numpy?as?np #?創(chuàng)建二維數(shù)組 x1?=?np.arange(12).reshape(3,4) #?轉(zhuǎn)置 x1.T ''' 輸出： array([[?0,??4,??8],[?1,??5,??9],[?2,??6,?10],[?3,??7,?11]]) 原數(shù)組： array([[?0,??1,??2,??3],[?4,??5,??6,??7],[?8,??9,?10,?11]]) '''

18、如何連接兩個相同維度的數(shù)組？

numpy的concatenate 函數(shù)用于沿指定軸連接相同形狀的兩個或多個數(shù)組。

import?numpy?as?np #?創(chuàng)建兩個二維數(shù)組 x1?=?np.array([[1,2,3],[4,5,6]]) x2?=?np.array([[7,8,9],[10,11,12]]) #?連接,默認沿0軸連接 np.concatenate((x1,x2))''' 輸出： array([[?1,??2,??3],[?4,??5,??6],[?7,??8,??9],[10,?11,?12]]) '''#?指定沿1軸連接 np.concatenate((x1,x2),axis=1)''' 輸出： array([[?1,??2,??3,??7,??8,??9],[?4,??5,??6,?10,?11,?12]]) '''

19、如何向數(shù)組添加值？

• numpy的append 函數(shù)向數(shù)組末尾追加值，可以指定不同的軸。

import?numpy?as?np #?創(chuàng)建一個二維數(shù)組 x1?=?np.array([[1,2,3],[4,5,6]]) #?直接向數(shù)組末尾添加元素，返回平鋪的一維數(shù)組 np.append(x1,[7,8,9]) ''' 輸出： array([1,?2,?3,?4,?5,?6,?7,?8,?9]) '''#?沿軸?0?添加元素 np.append(x1,?[[7,8,9]],axis?=?0) ''' 輸出： array([[1,?2,?3],[4,?5,?6],[7,?8,?9]]) '''#?沿軸?1?添加元素 np.append(x1,?[[5,5,5],[7,8,9]],axis?=?1) ''' 輸出： array([[1,?2,?3,?5,?5,?5],[4,?5,?6,?7,?8,?9]]) '''

• numpy的insert 函數(shù)可以沿給定軸，在數(shù)組中任意位置插入數(shù)據(jù)。

import?numpy?as?np #?創(chuàng)建一個二維數(shù)組 x1?=?np.array([[1,2,3],[4,5,6],[7,8,9]]) #?直接在指定位置插入元素，返回平鋪的一維數(shù)組 np.insert(x1,2,[0,0,0]) ''' 輸出： array([1,?2,?0,?0,?0,?3,?4,?5,?6,?7,?8,?9])原數(shù)組： array([[1,?2,?3],[4,?5,?6],[7,?8,?9]]) '''#?指定位置，沿軸?0?插入元素 np.insert(x1,1,[0,0,0],axis=0) ''' 輸出： array([[1,?2,?3],[0,?0,?0],[4,?5,?6],[7,?8,?9]]) '''#?指定位置，沿軸?1插入元素 np.insert(x1,2,[0,0,0],axis=1) ''' 輸出： array([[1,?2,?0,?3],[4,?5,?0,?6],[7,?8,?0,?9]]) '''

20、如何對數(shù)組進行去重操作？

numpy的unique 函數(shù)用于去除數(shù)組中的重復(fù)元素，返回一個新數(shù)組。

import?numpy?as?np #?創(chuàng)建一個一維數(shù)組 x1?=?np.array([2,3,5,1,3,8,1,0]) np.unique(x1) ''' 輸出： array([0,?1,?2,?3,?5,?8]) '''

unique函數(shù)還能返回重復(fù)元素的索引、計數(shù)等信息，可去查文檔自定義參數(shù)。

未完待續(xù)！

參考資料

[1]

numpy文檔: https://www.numpy.org.cn/

[2]

菜鳥教程: https://www.runoob.com/numpy/numpy-tutorial.html

往期精彩回顧適合初學(xué)者入門人工智能的路線及資料下載機器學(xué)習(xí)在線手冊深度學(xué)習(xí)在線手冊AI基礎(chǔ)下載（pdf更新到25集）本站qq群1003271085，加入微信群請回復(fù)“加群”獲取一折本站知識星球優(yōu)惠券，請回復(fù)“知識星球”喜歡文章，點個在看

總結(jié)

以上是生活随笔為你收集整理的【入门基础】Numpy基础20问的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。