導(dǎo)讀：NumPy（Numerical Python的簡(jiǎn)稱(chēng)）是高性能科學(xué)計(jì)算和數(shù)據(jù)分析的基礎(chǔ)包，提供了矩陣運(yùn)算的功能。

在處理自然語(yǔ)言過(guò)程中，需要將文字（中文或其他語(yǔ)言）轉(zhuǎn)換為向量。即把對(duì)文本內(nèi)容的處理簡(jiǎn)化為向量空間中的向量運(yùn)算。基于向量運(yùn)算，我們就可以實(shí)現(xiàn)文本語(yǔ)義相似度、特征提取、情感分析、文本分類(lèi)等功能。

作者：涂銘，劉祥，劉樹(shù)春

如需轉(zhuǎn)載請(qǐng)聯(lián)系大數(shù)據(jù)（ID：hzdashuju）

NumPy提供了以下幾個(gè)主要功能：

• ndarray——一個(gè)具有向量算術(shù)運(yùn)算和復(fù)雜廣播能力的多維數(shù)組對(duì)象。

• 用于對(duì)數(shù)組數(shù)據(jù)進(jìn)行快速運(yùn)算的標(biāo)準(zhǔn)數(shù)學(xué)函數(shù)。

• 用于讀寫(xiě)磁盤(pán)數(shù)據(jù)的工具以及用于操作內(nèi)存映射文件的工具。

• 非常有用的線性代數(shù)，傅里葉變換和隨機(jī)數(shù)操作。

• 用于集成C /C++和Fortran代碼的工具。

除明顯的科學(xué)用途之外，NumPy也可以用作通用數(shù)據(jù)的高效多維容器，可以定義任意的數(shù)據(jù)類(lèi)型。這些使得NumPy能無(wú)縫、快速地與各種數(shù)據(jù)庫(kù)集成。

提示：這里提到的“廣播”可以這么理解：當(dāng)有兩個(gè)維度不同的數(shù)組（array）運(yùn)算的時(shí)候，可以用低維的數(shù)組復(fù)制成高維數(shù)組參與運(yùn)算（因?yàn)镹umPy運(yùn)算的時(shí)候需要結(jié)構(gòu)相同）。

本文NumPy的要點(diǎn)包括：

• 創(chuàng)建NumPy數(shù)組

• 獲取NumPy中數(shù)組的維度

• NumPy數(shù)組索引與切片

• NumPy數(shù)組比較

• 替代值

• NumPy數(shù)據(jù)類(lèi)型轉(zhuǎn)換

• NumPy的統(tǒng)計(jì)計(jì)算方法

01 創(chuàng)建數(shù)組

在NumPy中，最核心的數(shù)據(jù)結(jié)構(gòu)是ndarray，ndarray代表的是多維數(shù)組，數(shù)組指的是數(shù)據(jù)的集合。為了方便理解，我們來(lái)舉一個(gè)小例子。

1. 一個(gè)班級(jí)里學(xué)生的學(xué)號(hào)可以通過(guò)一維數(shù)組來(lái)表示：數(shù)組名叫a，在a中存儲(chǔ)的是數(shù)值類(lèi)型的數(shù)據(jù)，分別是1,2,3,4。

索引	學(xué)號(hào)
0	1
1	2
2	3
3	4

其中a[0]代表的是第一個(gè)學(xué)生的學(xué)號(hào)1，a[1]代表的是第二個(gè)學(xué)生的學(xué)號(hào)2，以此類(lèi)推。

2. 一個(gè)班級(jí)里學(xué)生的學(xué)號(hào)和姓名，則可以用二維數(shù)組來(lái)表示：數(shù)組名叫b

1	Tim
2	Joey
3	Johnny
4	Frank

類(lèi)似的，其中b[0,0]代表的就是1（學(xué)號(hào)），b[0,1]代表的就是Tim（學(xué)號(hào)為1的學(xué)生的名字），以此類(lèi)推b[1,0]代表的是2（學(xué)號(hào)）等。

借用線性代數(shù)的說(shuō)法，一維數(shù)組通常稱(chēng)為向量（vector），二維數(shù)組通常稱(chēng)為矩陣（matrix）。

當(dāng)我們安裝完Anaconda之后，默認(rèn)情況下NumPy已經(jīng)在庫(kù)中了，所以不需要額外安裝。我們來(lái)寫(xiě)一些語(yǔ)句簡(jiǎn)單測(cè)試下NumPy：

1）在Anaconda中輸入，如果沒(méi)有報(bào)錯(cuò)，那么說(shuō)明NumPy是正常工作的。

In?[1]:?import?numpy?as?np

稍微解釋下這句語(yǔ)句：通過(guò)import關(guān)鍵字將NumPy庫(kù)引入，然后通過(guò)as為其取一個(gè)別名np，別名的作用是為了之后寫(xiě)代碼的時(shí)候方便引用。

2）通過(guò)NumPy中的array()，可以將向量直接導(dǎo)入：

vector?=?np.array([1,2,3,4])

3）通過(guò)numpy.array()方法，也可以將矩陣導(dǎo)入：

matrix?=?np.array([[1,'Tim'],[2,'Joey'],[3,'Johnny'],[4,'Frank']])

02 獲取NumPy中數(shù)組的維度

首先我們通過(guò)NumPy中的一個(gè)方法arange(n)，生成0到n-1的數(shù)組。比如我們輸入np.arange(15)，可以看到返回的結(jié)果是array（[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14]）。

之后再通過(guò)NumPy中的reshape（row,column）方法，自動(dòng)構(gòu)架一個(gè)多行多列的array對(duì)象。

比如我們輸入：

a?=?np.arange(15).reshape(3,5)?#代表3行5列

可以看到結(jié)果：

array([[?0,??1,??2,??3,??4],
???????[?5,??6,??7,??8,??9],
???????[10,?11,?12,?13,?14]])

我們有了基本數(shù)據(jù)之后，可以通過(guò)NumPy提供的shape屬性獲取NumPy數(shù)組的維度。

print(a.shape)

可以看到返回的結(jié)果，這個(gè)是一個(gè)元組（tuple），第一個(gè)3代表的是3行，第二個(gè)5代表的是5列：

(3,?5)

03 獲取本地?cái)?shù)據(jù)

我們可以通過(guò)NumPy中g(shù)enfromtxt()方法來(lái)讀取本地的數(shù)據(jù)集。需要使用的數(shù)據(jù)集，house-prices.csv是由逗號(hào)（，）分隔的，在Github的data目錄下能下載到。我們可以使用以下語(yǔ)句來(lái)讀取這個(gè)數(shù)據(jù)集：

import?numpy?as?np
nfl?=?np.genfromtxt("D:/numpy/data/price.csv",?delimiter=",")
print(nfl)

上述代碼從本地讀取price.csv文件到NumPy數(shù)組對(duì)象中（ndarray），我們看一下數(shù)據(jù)集的前幾行。

[[???????????????nan??????????????nan?????????????nan?????????????nan
?????????????????nan??????????????nan]
????[??1.00000000e+00??1.14300000e+05??2.00000000e+00??2.00000000e+00
?????????????????nan??????????????nan]
????[??2.00000000e+00??1.14200000e+05??4.00000000e+00??2.00000000e+00
?????????????????nan??????????????nan]
????[??3.00000000e+00??1.14800000e+05??3.00000000e+00??2.00000000e+00
?????????????????nan??????????????nan]
????[??4.00000000e+00??9.47000000e+04??3.00000000e+00??2.00000000e+00
?????????????????nan??????????????nan]

暫時(shí)先不用考慮返回?cái)?shù)據(jù)中出現(xiàn)的nan。

每一行的數(shù)據(jù)代表了房間的地區(qū)，是否是磚瓦結(jié)構(gòu)，有多少臥室、洗手間以及價(jià)格的描述。

每個(gè)列代表了：

• Home：房子的id

• Price：房子的價(jià)格

• Bedrooms：有多少個(gè)臥室

• Bathroom：有多少個(gè)洗手間

• Brick：是否是磚房

• Neighborhood：地區(qū)

注意：NumPy數(shù)組中的數(shù)據(jù)必須是相同類(lèi)型，比如布爾類(lèi)型（bool）、整型（int），浮點(diǎn)型（float）以及字符串類(lèi)型（string）。NumPy可以自動(dòng)判斷數(shù)組內(nèi)的對(duì)象類(lèi)型，我們可以通過(guò)NumPy數(shù)組提供的dtype屬性來(lái)獲取類(lèi)型。

04 正確讀取數(shù)據(jù)

回到之前的話題，上文發(fā)現(xiàn)顯示出來(lái)的數(shù)據(jù)里面有數(shù)據(jù)類(lèi)型na（not available）和nan（not a number），前者表示讀取的數(shù)值是空的、不存在的，后者是因?yàn)閿?shù)據(jù)類(lèi)型轉(zhuǎn)換出錯(cuò)。對(duì)于nan的出錯(cuò)，我們可以用genfromtxt()來(lái)轉(zhuǎn)化數(shù)據(jù)類(lèi)型。

• dtype關(guān)鍵字要設(shè)定為‘U75’.表示每個(gè)值都是75byte的unicode。

• skip_header關(guān)鍵字可以設(shè)置為整數(shù)，這個(gè)參數(shù)可以跳過(guò)文件開(kāi)頭的對(duì)應(yīng)的行數(shù)，然后再執(zhí)行任何其他操作。

import?numpy?as?np
nfl?=?np.genfromtxt("d:/numpy/data/price.csv",?dtype='U75',?skip_header?=?1,delimiter=",")
print(nfl)

05 NumPy數(shù)組索引

NumPy支持list一樣的定位操作。舉例來(lái)說(shuō)：

import?numpy?as?np
matrix?=?np.array([[1,2,3],[20,30,40]])
print(matrix[0,1])

得到的結(jié)果是2。

上述代碼中的matrix[0,1]，其中0代表的是行，在NumPy中0代表起始第一個(gè)，所以取的是第一行，之后的1代表的是列，所以取的是第二列。那么最后第一行第二列就是2這個(gè)值了。

06 切片

NumPy支持list一樣的切片操作。

import?numpy?as?np
matrix?=?np.array([
[5,?10,?15],?
????[20,?25,?30],
????[35,?40,?45]
????])
print(matrix[:,1])
print(matrix[:,0:2])
print(matrix[1:3,:])
print(matrix[1:3,0:2])

上述的print（matrix[:,1]）語(yǔ)法代表選擇所有的行，但是列的索引是1的數(shù)據(jù)。那么就返回10，25，40。

print（matrix[:,0:2]）代表的是選取所有的行，列的索引是0和1。

print（matrix[1:3,:]）代表的是選取行的索引值1和2以及所有的列。

print（matrix[1:3,0:2]）代表的是選取行的索引1和2以及列的索引是0和1的所有數(shù)據(jù)。

07 數(shù)組比較

NumPy強(qiáng)大的地方是數(shù)組或矩陣的比較，數(shù)據(jù)比較之后會(huì)產(chǎn)生boolean值。

舉例來(lái)說(shuō)：

import?numpy?as?np
matrix?=?np.array([
????[5,?10,?15],
[20,?25,?30],
[35,?40,?45]
])
m?=?(matrix?==?25)
print(m)

我們看到輸出的結(jié)果為：

[[False?False?False]
????[False??True?False]
????[False?False?False]]

我們?cè)賮?lái)看一個(gè)比較復(fù)雜的例子：

import?numpy?as?np
matrix?=?np.array([
[5,?10,?15],
[20,?25,?30],
[35,?40,?45]
????])
second_column_25?=?(matrix[:,1]?==?25)
print(second_column_25)
print(matrix[second_column_25,?:])

上述代碼中print（second_column_25）輸出的是[False True False]，首先matrix[:,1]代表的是所有的行，以及索引為1的列->[10,25,40]，最后和25進(jìn)行比較，得到的就是false,true,false。print（matrix[second_column_25, :]）代表的是返回true值的那一行數(shù)據(jù)-> [20，25，30]。

注意：上述的例子是單個(gè)條件，NumPy也允許我們使用條件符來(lái)拼接多個(gè)條件，其中“&”代表的是“且”，“|”代表的是“或”。比如vector=np.array（[5,10,11,12]），equal_to_five_and_ten =（vector == 5） & （vector == 10）返回的都是false，如果是equal_to_five_or_ten =（vector == 5）|（vector == 10）返回的是[True,True,False,False]

08 替代值

NumPy可以運(yùn)用布爾值來(lái)替換值。

在數(shù)組中：

vector?=?numpy.array([5,?10,?15,?20])
equal_to_ten_or_five?=?(vector?==?10)?|?(vector?==?5)
vector[equal_to_ten_or_five]?=?50
print(vector)
[50,?50,?15,?20]

在矩陣中：

matrix?=?numpy.array([
[5,?10,?15],
[20,?25,?30],
[35,?40,?45]
])
second_column_25?=?matrix[:,1]?==?25
matrix[second_column_25,?1]?=?10
print(matrix)
[[?5?10?15]
????[20?10?30]
????[35?40?45]]

我們先創(chuàng)立數(shù)組matrix。將matrix的第二列和25比較，得到一個(gè)布爾值數(shù)組。second_column_25將matrix第二列值為25的替換為10。

替換有一個(gè)很棒的應(yīng)用之處，就是替換那些空值。之前提到過(guò)NumPy中只能有一個(gè)數(shù)據(jù)類(lèi)型。我們現(xiàn)在讀取一個(gè)字符矩陣，其中有一個(gè)值為空值。其中的空值我們很有必要把它替換成其他值，比如數(shù)據(jù)的平均值或者直接把他們刪除。這在大數(shù)據(jù)處理中很有必要。這里，我們演示把空值替換為“0”的操作。

import?numpy?as?np
matrix?=?np.array([
['5',?'10',?'15'],
['20',?'25',?'30'],
['35',?'40',''?]
????])
second_column_25?=?(matrix[:,2]?==?'')
matrix[second_column_25,?2]='0'
print(matrix)

09 數(shù)據(jù)類(lèi)型轉(zhuǎn)換

NumPy ndarray數(shù)據(jù)類(lèi)型可以通過(guò)參數(shù)dtype 設(shè)定，而且可以使用astype轉(zhuǎn)換類(lèi)型，在處理文件時(shí)這個(gè)會(huì)很實(shí)用，注意astype 調(diào)用會(huì)返回一個(gè)新的數(shù)組，也就是原始數(shù)據(jù)的一份復(fù)制。

比如，把String轉(zhuǎn)換成float。如下：

vector?=?numpy.array(["1",?"2",?"3"])
vector?=?vector.astype(float)

注意：上述例子中，如果字符串中包含非數(shù)字類(lèi)型的時(shí)候，從string轉(zhuǎn)float就會(huì)報(bào)錯(cuò)。

10 NumPy的統(tǒng)計(jì)計(jì)算方法

NumPy內(nèi)置很多計(jì)算方法。其中最重要的統(tǒng)計(jì)方法有：

• sum()：計(jì)算數(shù)組元素的和；對(duì)于矩陣計(jì)算結(jié)果為一個(gè)一維數(shù)組，需要指定行或者列。

• mean()：計(jì)算數(shù)組元素的平均值；對(duì)于矩陣計(jì)算結(jié)果為一個(gè)一維數(shù)組，需要指定行或者列。

• max()：計(jì)算數(shù)組元素的最大值；對(duì)于矩陣計(jì)算結(jié)果為一個(gè)一維數(shù)組，需要指定行或者列。

需要注意的是，用于這些統(tǒng)計(jì)方法計(jì)算的數(shù)值類(lèi)型必須是int或者float。

數(shù)組例子：

vector?=?numpy.array([5,?10,?15,?20])
vector.sum()
#得到的結(jié)果是50

矩陣?yán)?#xff1a;

matrix=
array([[?5,?10,?15],
??????????[20,?10,?30],
??????????[35,?40,?45]])
matrix.sum(axis=1)
array([?30,??60,?120])
matrix.sum(axis=0)
array([60,?60,?90])

如上述例子所示，axis = 1計(jì)算的是行的和，結(jié)果以列的形式展示。axis = 0計(jì)算的是列的和，結(jié)果以行的形式展示。

延伸學(xué)習(xí)

官方推薦教程是不錯(cuò)的入門(mén)選擇：

https://docs.scipy.org/doc/numpy-dev/user/quickstart.html

關(guān)于作者：涂銘，阿里巴巴數(shù)據(jù)架構(gòu)師，對(duì)大數(shù)據(jù)、自然語(yǔ)言處理、Python、Java相關(guān)技術(shù)有深入的研究，積累了豐富的實(shí)踐經(jīng)驗(yàn)。

劉祥，百煉智能自然語(yǔ)言處理專(zhuān)家，主要研究知識(shí)圖譜、NLG等前沿技術(shù)，參與機(jī)器自動(dòng)寫(xiě)作產(chǎn)品的研發(fā)與設(shè)計(jì)。

劉樹(shù)春，七牛云高級(jí)算法專(zhuān)家，七牛AI實(shí)驗(yàn)室NLP&OCR方向負(fù)責(zé)人，主要負(fù)責(zé)七牛NLP以及OCR相關(guān)項(xiàng)目的研究與落地。

本文摘編自《Python自然語(yǔ)言處理實(shí)戰(zhàn)：核心技術(shù)與算法》，經(jīng)出版方授權(quán)發(fā)布。

延伸閱讀《Python自然語(yǔ)言處理實(shí)戰(zhàn)》

點(diǎn)擊上圖了解及購(gòu)買(mǎi)

轉(zhuǎn)載請(qǐng)聯(lián)系微信：togo-maruko

推薦語(yǔ)：阿里巴巴、前明略數(shù)據(jù)和七牛云的高級(jí)專(zhuān)家和科學(xué)家撰寫(xiě)，零基礎(chǔ)掌握NLP的核心技術(shù)、方法論和經(jīng)典算法。

據(jù)統(tǒng)計(jì)，99%的大咖都完成了這個(gè)神操作

▼

更多精彩

在公眾號(hào)后臺(tái)對(duì)話框輸入以下關(guān)鍵詞

查看更多優(yōu)質(zhì)內(nèi)容！

PPT?|?報(bào)告?|?讀書(shū)?|?書(shū)單

大數(shù)據(jù)?|?揭秘?|?人工智能?|?AI

Python?|?機(jī)器學(xué)習(xí)?|?深度學(xué)習(xí)?|?神經(jīng)網(wǎng)絡(luò)

可視化?|?區(qū)塊鏈?|?干貨?|?數(shù)學(xué)

猜你想看

• 白領(lǐng)體檢異常率連年走高，這5本書(shū)教你怎樣科學(xué)"養(yǎng)生"

• 跟著阿里大牛撈干貨：2019這5本書(shū)帶你玩轉(zhuǎn)大數(shù)據(jù)
  

• 學(xué)AI哪家強(qiáng)？清華全球第1，Top5中有這3所中國(guó)高校
  

• 過(guò)去的2018年，400000粉絲用指尖投票，選出了這10本技術(shù)書(shū)
  

Q:?你在用NumPy嗎？都用來(lái)做什么？

歡迎留言與大家分享

覺(jué)得不錯(cuò)，請(qǐng)把這篇文章分享給你的朋友

轉(zhuǎn)載 / 投稿請(qǐng)聯(lián)系：baiyu@hzbook.com

更多精彩，請(qǐng)?jiān)诤笈_(tái)點(diǎn)擊“歷史文章”查看

點(diǎn)擊閱讀原文，了解更多

總結(jié)

以上是生活随笔為你收集整理的NumPy入门攻略：手把手带你玩转这款强大的数据分析和计算工具的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

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