一、NumPy初識
NumPy是Python中最流行的科學計算庫之一。它提供多維數組對象和一系列用于處理數組的函數。NumPy的核心是ndarray（n-dimensional array）對象，它是一個大小固定、同一類型元素的多維數組。
在使用NumPy之前，需要先安裝它。使用pip命令可以很輕松地安裝它。在終端中輸入以下命令即可：
pip install numpy
成功安裝后，我們可以導入NumPy并查看其版本：
import numpy as np
print(np.__version__)
輸出的結果應該類似于“1.16.2”。
二、NumPy數組
NumPy中最重要的對象是ndarray。可以用以下代碼創建一個一維數組：
import numpy as np
arr1d = np.array([1, 2, 3, 4, 5])
print(arr1d)
輸出結果：[1 2 3 4 5]
也可以創建二維、三維甚至更高維度的數組。
從列表創建ndarray時，NumPy會嘗試自動推導出數組中元素的類型：
import numpy as np
arr1d = np.array([1, 2, 3, 4, 5])
arr2d = np.array([[1, 2, 3], [4, 5, 6]])
arr3d = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])
print(arr1d.dtype)
print(arr2d.dtype)
print(arr3d.dtype)
輸出結果：
int64
int64
int64
可以看出，NumPy會嘗試選擇最小的數據類型以儲存數組中的元素。在這個例子中，數組中的元素都是整數，所以NumPy選擇了int64類型。
數組中的元素可以使用下標進行訪問，如：
import numpy as np
arr1d = np.array([1, 2, 3, 4, 5])
arr2d = np.array([[1, 2, 3], [4, 5, 6]])
arr3d = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])
print(arr1d[0])
print(arr2d[0, 1])
print(arr3d[1, 0, 1])
輸出結果：
1
2
6
三、NumPy的高級用法
1、數組操作
數組拼接、分裂、重塑、轉置、展平等操作是NumPy中最常用的操作之一。在此僅介紹其中的一些，更多操作請參考NumPy文檔。
例如，可以使用以下代碼將兩個一維數組沿著列方向拼接：
import numpy as np
arr1 = np.array([1,2,3])
arr2 = np.array([4,5,6])
result = np.concatenate([arr1, arr2])
print(result)
輸出結果：[1 2 3 4 5 6]
還可以在二維數組上進行拼接操作，如下：
import numpy as np
arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6]])
result = np.concatenate([arr1, arr2], axis=0)
print(result)
輸出結果：
[[1 2]
[3 4]
[5 6]]
還可以使用vstack或hstack函數將數組沿著垂直或水平方向拼接。
重塑數組可以使用reshape函數。例如，可以將一個一維數組重塑為3x3的二維數組：
import numpy as np
arr = np.array([1,2,3,4,5,6,7,8,9])
result = arr.reshape((3, 3))
print(result)
輸出結果：
[[1 2 3]
[4 5 6]
[7 8 9]]
transpos函數可以將數組轉置，如下：
import numpy as np
arr = np.arange(9).reshape((3,3))
result = np.transpose(arr)
print(result)
輸出結果：
[[0 3 6]
[1 4 7]
[2 5 8]]
flatten函數可以將多維數組展平為一維數組，如下：
import numpy as np
arr = np.arange(9).reshape((3,3))
result = arr.flatten()
print(result)
輸出結果：
[0 1 2 3 4 5 6 7 8]
2、數組運算
NumPy提供了大量的數學函數和運算符，可以像操作標量一樣操作數組。
可以使用以下代碼實現數組的加減乘除：
import numpy as np
a = np.array([1,2,3])
b = np.array([4,5,6])
print(a + b)
print(a - b)
print(a * b)
print(a / b)
輸出結果：
[5 7 9]
[-3 -3 -3]
[ 4 10 18]
[0.25 0.4 0.5 ]
可以使用以下代碼實現數組的矩陣乘法：
import numpy as np
a = np.array([[1,2], [3,4]])
b = np.array([[5,6], [7,8]])
print(np.dot(a, b))
輸出結果：
[[19 22]
[43 50]]
3、數組統計
NumPy可以進行各種統計運算，如平均值、標準差、最大值、最小值等。
可以使用以下代碼求數組的平均值、標準差、最大值、最小值：
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
print(np.mean(arr))
print(np.std(arr))
print(np.max(arr))
print(np.min(arr))
輸出結果：
3.0
1.4142135623730951
5
1
除了一維數組之外，NumPy還可以對多維數組進行統計運算。例如，可以使用以下代碼計算二維數組中每一列的平均值：
import numpy as np
arr = np.array([[1, 2], [3, 4], [5, 6]])
print(np.mean(arr, axis=0))
輸出結果：
[3. 4.]
4、廣播
廣播是指在對兩個數組進行元素操作時，當數組的形狀不同時，對小數組進行擴張以匹配大數組的形狀。廣播操作可以減少內存使用和運算次數。
以下代碼示例演示了廣播的基本原理：
import numpy as np
arr1 = np.array([1,2,3])
arr2 = np.array([4,5,6])
result = arr1 * arr2
print(result)
輸出結果：
[ 4 10 18]
可以看出，數組arr1和arr2的形狀不同，但是它們的元素相乘得到的結果仍然是一個長度為3的數組。
5、隨機數生成
NumPy還提供了大量的隨機數生成函數。隨機數生成函數可以用于模擬隨機數據、生成測試數據等。
以下代碼示例生成20個范圍在0-1之間的隨機數：
import numpy as np
result = np.random.rand(20)
print(result)
輸出結果：
[0.13966633 0.8146751 0.78852179 0.45093637 0.73117035 0.7654889
0.83504567 0.61635283 0.2246247 0.43220779 0.95162422 0.77052108
0.55811285 0.61789821 0.24398802 0.02599477 0.82493305 0.36772928
0.19407716 0.1476306 ]
6、圖片處理
NumPy還可以用于圖像的處理。下面的這個例子把圖片中的每一個像素都進行了翻轉：
import numpy as np
from PIL import Image
im = Image.open("test.jpg")
im.show()
im_arr = np.array(im)
im_arr_flip = np.fliplr(im_arr)
im_flip = Image.fromarray(im_arr_flip)
im_flip.show()
輸出結果：
#顯示原圖
#顯示翻轉后的圖
7、數據存取
NumPy可以方便地將數組保存到文件中，并從文件中讀取數組數據。
以下代碼示例將數組保存到文件中，并從文件中讀取出來：
import numpy as np
arr = np.array([1,2,3,4,5])
np.save("arr.npy", arr)
arr_loaded = np.load("arr.npy")
print(arr_loaded)
輸出結果：
[1 2 3 4 5]
總結
這篇文章介紹了NumPy的基本用法，包括數組的創建、統計、數組運算、廣播、隨機數生成、圖片處理等。NumPy功能非常強大，有助于我們進行高效的科學計算。
京公網安備 11010802030320號