入门 | 数据科学初学者必知的NumPy基础知识

x
用微信扫描二维码
分享至好友和朋友圈

  选自TowardsDataScience

  作者:Ehi Aigiomawu

  机器之心编译

  参与:李诗萌、路

  

  本文介绍了一些 NumPy 基础知识,适合数据科学初学者学习掌握。

  

  NumPy(Numerical Python)是 Python 中的一个线性代数库。对每一个数据科学或机器学习 Python 包而言,这都是一个非常重要的库,SciPy(Scientific Python)、Mat-plotlib(plotting library)、Scikit-learn 等都在一定程度上依赖 NumPy。

  对数组执行数学运算和逻辑运算时,NumPy 是非常有用的。在用 Python 对 n 维数组和矩阵进行运算时,NumPy 提供了大量有用特征。

  这篇教程介绍了数据科学初学者需要了解的 NumPy 基础知识,包括如何创建 NumPy 数组、如何使用 NumPy 中的广播机制、如何获取值以及如何操作数组。更重要的是,大家可以通过本文了解到 NumPy 在 Python 列表中的优势:更简洁、更快速地读写项、更方便、更高效。

  本教程将使用 Jupyter notebook 作为编辑器。

  让我们开始吧!

  安装 NumPy

  

  如果你已经装有 Anaconda,那么你可以使用以下命令通过终端或命令提示符安装 NumPy:

  conda install numpy

  如果你没有 Anaconda,那么你可以使用以下命令从终端上安装 NumPy:

  pip install numpy

  安装好 NumPy 后,你就可以启动 Jupyter notebook 开始学习了。接下来从 NumPy 数组开始。

  NumPy 数组

  

  NumPy 数组是包含相同类型值的网格。NumPy 数组有两种形式:向量和矩阵。严格地讲,向量是一维数组,矩阵是多维数组。在某些情况下,矩阵只有一行或一列。

  首先将 NumPy 导入 Jupyter notebook:

  import numpy as np

  从 Python 列表中创建 NumPy 数组

  

  我们先创建一个 Python 列表:

  my_list = [1, 2, 3, 4, 5]

  通过这个列表,我们可以简单地创建一个名为 my_numpy_list 的 NumPy 数组,显示结果:

  my_numpy_list = np.array(my_list)
my_numpy_list #This line show the result of the array generated

  刚才我们将一个 Python 列表转换成一维数组。要想得到二维数组,我们要创建一个元素为列表的列表,如下所示:

  second_list = [[1,2,3], [5,4,1], [3,6,7]]
new_2d_arr = np.array(second_list)
new_2d_arr #This line show the result of the array generated

  我们已经成功创建了一个有 3 行 3 列的二维数组。

  使用 arange() 内置函数创建 NumPy 数组

  

  与 Python 的 range() 内置函数相似,我们可以用 arange() 创建一个 NumPy 数组。

  my_list = np.arange(10)
#OR
my_list = np.arange(0,10)

  这产生了 0~10 的十个数字。

  要注意的是 arange() 函数中有三个参数。第三个参数表示步长。例如,要得到 0~10 中的偶数,只需要将步长设置为 2 就可以了,如下所示:

  my_list = np.arange(0,11,2)

  还可以创建有 7 个 0 的一维数组:

  my_zeros = np.zeros(7)

  也可以创建有 5 个 1 的一维数组:

  my_ones = np.ones(5)

  同样,我们可以生成内容都为 0 的 3 行 5 列二维数组:

  two_d = np.zeros((3,5))

  使用 linspace() 内置函数创建 NumPy 数组

  

  linspace() 函数返回的数字都具有指定的间隔。也就是说,如果我们想要 1 到 3 中间隔相等的 15 个点,我们只需使用以下命令:

  lin_arr = np.linspace(1, 3, 15)

  该命令可生成一维向量。

  与 arange() 函数不同,linspace() 的第三个参数是要创建的数据点数量。

  在 NumPy 中创建一个恒等矩阵

  

  处理线性代数时,恒等矩阵是非常有用的。一般而言,恒等矩阵是一个二维方矩阵,也就是说在这个矩阵中列数与行数相等。有一点要注意的是,恒等矩阵的对角线都是 1,其他的都是 0。恒等矩阵一般只有一个参数,下述命令说明了要如何创建恒等矩阵:

  my_matrx = np.eye(6) #6 is the number of columns/rows you want

  用 NumPy 创建一个随机数组成的数组

  

  我们可以使用 rand()、randn() 或 randint() 函数生成一个随机数组成的数组。

  使用 random.rand(),我们可以生成一个从 0~1 均匀产生的随机数组成的数组。

  例如,如果想要一个由 4 个对象组成的一维数组,且这 4 个对象均匀分布在 0~1,可以这样做:

  my_rand = np.random.rand(4)

  如果我们想要一个有 5 行 4 列的二维数组,则:

  my_rand = np.random.rand(5, 4)
my_rand

  使用 randn(),我们可以从以 0 为中心的标准正态分布或高斯分布中产生随机样本。例如,我们这样生成 7 个随机数:

  my_randn = np.random.randn(7)
my_randn

  绘制结果后会得到一个正态分布曲线。

  同样地,如需创建一个 3 行 5 列的二维数组,这样做即可:

  np.random.randn(3,5)

  最后,我们可以使用 randint() 函数生成整数数组。randint() 函数最多可以有三个参数:最小值(包含),最大值(不包含)以及数组的大小。

  np.random.randint(20) #generates a random integer exclusive of 20
np.random.randint(2, 20) #generates a random integer including 2 but excluding 20
np.random.randint(2, 20, 7) #generates 7 random integers including 2 but excluding 20

  将一维数组转换成二维数组

  

  先创建一个有 25 个随机整数的一维数组:

  arr = np.random.rand(25)

  然后使用 reshape() 函数将其转换为二维数组:

  arr.reshape(5,5)

  注意:reshape() 仅可转换成行列数目相等,且行列数相乘后要与元素数量相等。上例中的 arr 包含 25 个元素,因此只能重塑为 5*5 的矩阵。

  定位 NumPy 数组中的最大值和最小值

  

  使用 max() 和 min() 函数,我们可以得到数组中的最大值或最小值:

  arr_2 = np.random.randint(0, 20, 10)
arr_2.max() #This gives the highest value in the array
arr_2.min() #This gives the lowest value in the array

  使用 argmax() 和 argmin() 函数,我们可以定位数组中最大值和最小值的索引:

  arr_2.argmax() #This shows the index of the highest value in the array
arr_2.argmin() #This shows the index of the lowest value in the array

  假设存在大量数组,而你需要弄清楚数组的形态,你想知道这个数组是一维数组还是二维数组,只需要使用 shape 函数即可:

  arr.shape

  从 NumPy 数组中索引/选择多个元素(组)

  

  在 NumPy 数组中进行索引与 Python 类似,只需输入想要的索引即可:

  my_array = np.arange(0,11)
my_array[8] #This gives us the value of element at index 8

  为了获得数组中的一系列值,我们可以使用切片符「:」,就像在 Python 中一样:

  my_array[2:6] #This returns everything from index 2 to 6(exclusive)
my_array[:6] #This returns everything from index 0 to 6(exclusive)
my_array[5:] #This returns everything from index 5 to the end of the array.

  类似地,我们也可以通过使用 [ ][ ] 或 [,] 在二维数组中选择元素。

  使用 [ ][ ] 从下面的二维数组中抓取出值「60」:

  two_d_arr = np.array([[10,20,30], [40,50,60], [70,80,90]])
two_d_arr[1][2] #The value 60 appears is in row index 1, and column index 2

  使用 [,] 从上面的二维数组中抓取出值「20」:

  two_d_arr[0,1]

  也可以用切片符抓取二维数组的子部分。使用下面的操作从数组中抓取一些元素:

  two_d_arr[:1, :2] # This returns [[10, 20]]
two_d_arr[:2, 1:] # This returns ([[20, 30], [50, 60]])
two_d_arr[:2, :2] #This returns ([[10, 20], [40, 50]])

  我们还可以索引一整行或一整列。只需使用索引数字即可抓取任意一行:

  two_d_arr[0] #This grabs row 0 of the array ([10, 20, 30])
two_d_arr[:2] #This grabs everything before row 2 ([[10, 20, 30], [40, 50, 60]])

  还可以使用 &、|、<、> 和 == 运算符对数组执行条件选择和逻辑选择,从而对比数组中的值和给定值:

  new_arr = np.arange(5,15)
new_arr > 10 #This returns TRUE where the elements are greater than 10 [False, False, False, False, False, False, True, True, True, True]

  现在我们可以输出符合上述条件的元素:

  bool_arr = new_arr > 10
new_arr[bool_arr] #This returns elements greater than 10 [11, 12, 13, 14]
new_arr[new_arr>10] #A shorter way to do what we have just done

  组合使用条件运算符和逻辑运算符,我们可以得到值大于 6 小于 10 的元素:

  new_arr[(new_arr>6) & (new_arr<10)]

  预期结果为:([7, 8, 9])

  广播机制

  

  广播机制是一种快速改变 NumPy 数组中的值的方式。

  my_array[0:3] = 50
#Result is:
[50, 50, 50, 3, 4, 5, 6, 7, 8, 9, 10]

  在这个例子中,我们将索引为 0 到 3 的元素的初始值改为 50。

  对 NumPy 数组执行数学运算

  

  arr = np.arange(1,11)
arr * arr #Multiplies each element by itself
arr - arr #Subtracts each element from itself
arr + arr #Adds each element to itself
arr / arr #Divides each element by itself

  我们还可以对数组执行标量运算,NumPy 通过广播机制使其成为可能:

  arr + 50 #This adds 50 to every element in that array

  NumPy 还允许在数组上执行通用函数,如平方根函数、指数函数和三角函数等。

  np.sqrt(arr) #Returns the square root of each element
np.exp(arr) #Returns the exponentials of each element
np.sin(arr) #Returns the sin of each element
np.cos(arr) #Returns the cosine of each element
np.log(arr) #Returns the logarithm of each element
np.sum(arr) #Returns the sum total of elements in the array
np.std(arr) #Returns the standard deviation of in the array

  我们还可以在二维数组中抓取行或列的总和:

  mat = np.arange(1,26).reshape(5,5)
mat.sum() #Returns the sum of all the values in mat
mat.sum(axis=0) #Returns the sum of all the columns in mat
mat.sum(axis=1) #Returns the sum of all the rows in mat

  现在,这篇 NumPy 教程进入了尾声!希望对大家有所帮助。

  原文链接:https://towardsdatascience.com/lets-talk-about-numpy-for-datascience-beginners-b8088722309f

  本文为机器之心编译,转载请联系本公众号获得授权

  ------------------------------------------------

  加入机器之心(全职记者/实习生):hr@jiqizhixin.com

  广告&商务合作:bd@jiqizhixin.com

特别声明:本文为网易自媒体平台“网易号”作者上传并发布,仅代表该作者观点。网易仅提供信息发布平台。

跟贴 跟贴 1 参与 2
© 1997-2019 网易公司版权所有 About NetEase | 公司简介 | 联系方法 | 招聘信息 | 客户服务 | 隐私政策 | 广告服务 | 网站地图 | 意见反馈 | 不良信息举报

机器之心

专业的人工智能媒体

头像

机器之心

专业的人工智能媒体

3408

篇文章

86156

人关注

列表加载中...
请登录后再关注
x

用户登录

网易通行证/邮箱用户可以直接登录:
忘记密码