|
|
# 2.1.1：ndarray对象
|
|
|
|
|
|
## 怎样安装 NumPy
|
|
|
|
|
|
NumPy (Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。是在学习机器学习、深度学习之前应该掌握的一个非常基本且实用的 python 库。
|
|
|
|
|
|
想要安装 NumPy 其实非常简单，进入命令行，输入如下代码即可：
|
|
|
|
|
|
```shell
|
|
|
pip install numpy
|
|
|
```
|
|
|
|
|
|
|
|
|
## 什么是 ndarray 对象
|
|
|
|
|
|
NumPy 为什么能够受到各个数据科学从业人员的青睐与追捧，其实很大程度上是因为 NumPy 在向量计算方面做了很多优化，接口也非常友好。而这些其实都是在围绕着 NumPy 的一个核心数据结构 ndarray 。
|
|
|
|
|
|
ndarray 的全称是 N-Dimension Arrary ，字面意义上其实已经表明了一个 ndarray 对象就是一个 N 维数组。但要注意的是，ndarray 是**同质**的。同质的意思就是说** N 维数组里的所有元素必须是属于同一种数据类型的**。**(PS: python 中的 list 是异质的)**
|
|
|
|
|
|
ndarray 对象实例化好了之后，包含了一些基本的属性。比如 shape ，ndim ， size ， dtype 。其中：
|
|
|
|
|
|
- shape : ndarray 对象的形状，由一个 tuple 表示
|
|
|
- ndim : ndarray 对象的维度
|
|
|
- size : ndarray 对象中元素的数量
|
|
|
- dtype : ndarray 对象中元素的数据类型，例如 int64 ，float32 等。
|
|
|
|
|
|
|
|
|
来看个例子，假设现在有一个 3 行 5 列的矩阵（ ndarray ）如下：
|
|
|
|
|
|
```python
|
|
|
array([[ 0, 1, 2, 3, 4],
|
|
|
[ 5, 6, 7, 8, 9],
|
|
|
[10, 11, 12, 13, 14]])
|
|
|
```
|
|
|
|
|
|
那么该 ndarray 的 shape 是 (3, 5) 。(代表 3 行 5 列)；ndim 是 2 (因为矩阵有行和列两个维度)；size 是 15 (因为矩阵总共有 15 个元素)； dtype 是 int32 (因为矩阵中元素都是整数，并且用 32 位整型足够表示矩阵中的元素)；
|
|
|
|
|
|
打印这些属性的示例代码如下：
|
|
|
|
|
|
```python
|
|
|
# 导入numpy并取别名为np
|
|
|
import numpy as np
|
|
|
|
|
|
# 构造ndarray
|
|
|
a = np.arange(15).reshape(3, 5)
|
|
|
|
|
|
# 打印a的shape，ndim，size，dtype
|
|
|
print(a.shape)
|
|
|
print(a.ndim)
|
|
|
print(a.size)
|
|
|
print(a.dtype)
|
|
|
```
|
|
|
|
|
|
输出如下：
|
|
|
|
|
|
```python
|
|
|
(3, 5)
|
|
|
2
|
|
|
15
|
|
|
int32
|
|
|
```
|
|
|
|
|
|
## 如何实例化 ndarray 对象
|
|
|
|
|
|
实例化 ndarray 对象的函数有很多种，但最为常用的函数是 array ，zeros ，ones 以及 empty 。
|
|
|
|
|
|
### 使用 array 函数实例化 ndarray 对象
|
|
|
|
|
|
如果你手头上有一个 python 的 list ，想要将这个 list 转成 ndarray ，此时可以使用 NumPy 中的 array 函数将 list 中的值作为初始值，来实例化一个 ndarray 对象。代码如下：
|
|
|
|
|
|
```python
|
|
|
import numpy as np
|
|
|
|
|
|
# 使用列表作为初始值，实例化ndarray对象a
|
|
|
a = np.array([2,3,4])
|
|
|
|
|
|
# 打印ndarray对象a
|
|
|
print(a)
|
|
|
```
|
|
|
|
|
|
输出如下：
|
|
|
|
|
|
```python
|
|
|
[2, 3, 4]
|
|
|
```
|
|
|
|
|
|
### 使用 zeros ，ones ，empty 函数实例化 ndarray 对象
|
|
|
|
|
|
通常在写代码的时候，数组中元素的值一般都喜欢先初始化成 0 ，如果使用 array 的方式实例化 ndarray 对象的话，虽然能实现功能，但显得很麻烦（**首先要有一个全是 0 的 list**）。那有没有简单粗暴的方式呢，有！！那就是 zeros 函数，你只需要把 ndarray 的 shape 作为参数传进去即可。代码如下：
|
|
|
|
|
|
```python
|
|
|
import numpy as np
|
|
|
|
|
|
# 实例化ndarray对象a，a是一个3行4列的矩阵，矩阵中元素全为0
|
|
|
a = np.zeros((3, 4))
|
|
|
|
|
|
# 打印ndarray对象a
|
|
|
print(a)
|
|
|
```
|
|
|
|
|
|
输出如下:
|
|
|
|
|
|
```python
|
|
|
[[0. 0. 0. 0.]
|
|
|
[0. 0. 0. 0.]
|
|
|
[0. 0. 0. 0.]]
|
|
|
```
|
|
|
|
|
|
|
|
|
如果想把数组中的元素全部初始化成 1 ，聪明的你应该能想到就是用 ones 函数，oens 的用法与 zeros 一致。代码如下：
|
|
|
|
|
|
```python
|
|
|
import numpy as np
|
|
|
|
|
|
# 实例化ndarray对象a，a是一个3行4列的矩阵，矩阵中元素全为1
|
|
|
a = np.ones((3, 4))
|
|
|
|
|
|
# 打印ndarray对象a
|
|
|
print(a)
|
|
|
```
|
|
|
|
|
|
输出如下:
|
|
|
|
|
|
```python
|
|
|
[[1. 1. 1. 1.]
|
|
|
[1. 1. 1. 1.]
|
|
|
[1. 1. 1. 1.]]
|
|
|
```
|
|
|
|
|
|
如果 01大法 满足不了你，想要用随机值作为初始值来实例化 ndarray 对象，empty 函数能够满足你。 empty 的使用方式与 zeros 和 ones 如出一辙，代码如下：
|
|
|
|
|
|
```python
|
|
|
import numpy as np
|
|
|
|
|
|
# 实例化ndarray对象a，a是一个2行3列的矩阵，矩阵中元素全为随机值
|
|
|
a = np.empty((2, 3))
|
|
|
|
|
|
# 打印ndarray对象a
|
|
|
print(a)
|
|
|
```
|
|
|
|
|
|
输出可能如下：
|
|
|
|
|
|
```python
|
|
|
[[2.67276450e+185 1.69506143e+190 1.75184137e+190]
|
|
|
[9.48819320e+077 1.63730399e-306 0.00000000e+000]]
|
|
|
```
|
|
|
|
