Python 機器學習庫 NumPy 教程

0 Numpy簡單介紹

Numpy是Python的一個科學計算的庫，提供了矩陣運算的功能，其一般與Scipy、matplotlib一起使用。其實，list已經提供了類似於矩陣的表示形式，不過numpy為我們提供了更多的函數。如果接觸過matlab、scilab，那么numpy很好入手。

NumPy函數庫中存在兩種不同的數據類型（矩陣matrix和數組array）,都可以用於處理行列表示的數字元素。調用mat()函數可以將數組轉化為矩陣，輸入命令如下：

np.mat(np.random.rand(1,4))

1 安裝

pip install numpy

在NumPy中，維度稱之為axis（復數是axes），維度的數量稱之為rank。

（通用做法import numpu as np 簡單輸入）

2 多維數組

NumPy的數組類是ndarray，它有一個別名是 numpy.array，但這與Python標准庫的array.array並不一樣。后者僅僅是一個一維數組。而ndarray具有以下的屬性：

• ndarray.ndim：數組的維數。在Python世界中，維數稱之為rank
• ndarray.shape：數組的維度。這是一系列數字，長度由數組的維度（ndim）決定。例如：長度為n的一維數組的shape是n。一個n行m列的矩陣的shape是n,m
• ndarray.size：數組中所有元素的數量
• ndarray.dtype：數組中元素的類型，例如numpy.int32, numpy.int16或者numpy.float64
• ndarray.itemsize：數組中每個元素的大小，單位為字節
• ndarray.data：存儲數組元素的緩沖。通常我們只需要通過下標來訪問元素，而不需要訪問緩沖

以list或tuple變量為參數產生一維數組：

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

np.array((1.2,2,3,4))  

以list或tuple變量為元素產生二維數組或者多維數組：

np.array(((1,2,3),(4,5,6)))  

np.array([[1,2,3],[4,5,6]])  

我們也可以在創建數組的時候，指定元素的類型，例如這樣：

np.array([[1,2],[3,4]], dtype=complex )

可以使用astype轉換類型，在處理文件時候這個會很實用，注意astype 調用會返回一個新的數組，也就是原始數據的一份拷貝。

numeric_strings2 = np.array(['1.23','2.34','3.45'],dtype=np.string_)
print(numeric_strings2)
[b'1.23' b'2.34' b'3.45']

t=numeric_strings2.astype(float)
print(t)
[ 1.23  2.34  3.45]

3 numpy索引(index)與切片(slicing)

• index 和slicing ：第一數值類似數組橫坐標，第二個為縱坐標；

x=np.array(((1,2,3,4),(5,6,7,8),(9,10,11,12)))
y=x[:,1]
y[0]=20
print(y)
print(x)

結果：

 

通過上面可以發現改變y會改變x ，因而我們可以推斷，y和x指向是同一塊內存空間值，系統沒有為y 新開辟空間把x值賦值過去。

arr = np.arange(10)
arr[3:6]=10
print(arr)

結果：

 

思考為什么這么設計？ Numpy 設計是為了處理大數據，如果切片采用數據復制話會產生極大的性能和內存消耗問題。

•  假如說需要對數組是一份副本而不是視圖可以如下操作：

arr = np.arange(10) 
arr_copy = arr[3:6].copy() 
print(arr_copy)
arr_copy[:]=24 
print(arr_copy)
print(arr)

結果：

 

• 再看下對list 切片修改（這里設計到python 中深淺拷貝，其中切片屬於淺拷貝）：

l=[0, 1, 2, 3, 4, 5, 6, 7, 8, 9] 
l[5:8] = 12 #報錯 TypeError: can only assign an iterable
print(l)
l1= l[5:8]
print(l1)
l1[0]=12 
print(l1)
print(l)

結果：

 

4 多維數組索引（index）、切片(slicing)

arr2d = np.arange(1,10).reshape(3,3)
print(arr2d)
print(arr2d[2])
print(arr2d[0][2])
print(arr2d[0,2])

結果：

 

5 基本的矩陣運算

轉置：

a = np.array([[1,0],[2,3]])
print(a)
print()
print(a.transpose())

結果：

 

特征值、特征向量：

 

 

6 Shape與操作

除了生成數組之外，當我們已經持有某個數據之后，我們可能會需要根據已有數組來產生一些新的數據結構，這時候我們可以使用下面這些函數：

• reshape：根據已有數組和指定的shape，生成一個新的數組
• vstack：用來將多個數組在垂直（v代表vertical）方向拼接（數組的維度必須匹配）
• hstack：用來將多個數組在水平（h代表horizontal）方向拼接（數組的維度必須匹配）
• hsplit：用來將數組在水平方向拆分
• vsplit：用來將數組在垂直方向拆分

7 特定array的創建

 

在實際上的項目工程中，我們常常會需要一些特定的數據，NumPy中提供了這么一些輔助函數:

• zeros：用來創建元素全部是0的數組
• ones：用來創建元素全部是1的數組
• empty：用來創建未初始化的數據，因此是內容是不確定的
• arange：通過指定范圍和步長來創建數組
• linespace：通過指定范圍和元素數量來創建數組
• random：用來生成隨機數

 

參考：

numpy 基礎入門 - 30分鍾學會numpy 

Python 機器學習庫 NumPy 教程