numpy如何创建数组（NumPy 数组使用大全）

numpy如何创建数组

NumPy 数组使用大全

numpy 是一个python 库，用于 python 编程中的科学计算。在本教程中，你将学习如何在 numpy 数组上以多种方式添加、删除、排序和操作元素。

numpy 提供了一个多维数组对象和其他派生数组，例如掩码数组和掩码多维数组。

为什么要用 numpy

numpy 提供了一个 ndarray 对象，可以使用它来对任何维度的数组进行操作。 ndarray 代表 n 维数组，其中 n 是任意数字。这意味着 numpy 数组可以是任何维度的。

与 python 的 list 相比，numpy 具有许多优势。我们可以在 numpy 阵列上执行高性能操作，例如：

1. 对数组成员进行排序
2. 数学和逻辑运算
3. 输入/输出功能
4. 统计和线性代数运算

安装 numpy

要安装numpy，你的电脑上要先有 python 和 pip。

在终端中运行以下命令：

?

1	pip install numpy

然后你就可以在脚本中导入 numpy 了，如下所示：

?

1	import numpy

添加数组元素

可以用 numpy 模块的 append() 方法向 numpy 数组中添加元素。

append() 的语法如下：

?

1	numpy.append(array, value, axis)

value 会被追加到在数组的末尾，并返回一个包含所有元素的 ndarray。

参数 axis 是一个可选的整数，用于定义数组的显示方式。如果没有指定，则数组结构将展平，稍后会演示用法。

以下示例，其中首先声明数组，然后用 append 方法向数组添加更多的值：

?

1 2 3 4 5

import numpy a = numpy.array([1, 2, 3]) newarray = numpy.append (a, [10, 11, 12]) print(newarray) # 输出：[ 1 2 3 10 11 12]

添加一列

也可以用numpy 的 append() 方法插入一列。

在下面的例子中，我们创建了一个二维数组并插入了两列：

?

1 2 3 4 5 6 7 8 9 10 11 12

import numpy   a = numpy.array([[1, 2, 3], [4, 5, 6]]) b = numpy.array([[400], [800]]) newarray = numpy.append(a, b, axis = 1) print(newarray)   """ 输出： [[ 1  2  3 400]  [ 4  5  6 800]] """

如果没有使用 axis 参数，则会输出：

[ 1 2 3 4 5 6 400 800]

这就是数组结构的扁平化。

在 numpy 中，还可以用 insert() 方法插入元素或列。 两者之间的区别在于 insert() 方法可以指定要在哪个索引处添加元素，但 append() 方法会在数组的末尾添加一个值。

consider the example below:

考虑以下示例：

?

1 2 3 4 5

import numpy a = numpy.array([1, 2, 3]) newarray = numpy.insert(a, 1, 90) print(newarray) # 输出：[ 1 90 2 3]

这里 insert() 方法在索引1处添加元素。在python中数组索引从0开始。

追加一行

也可以用 append() 方法向数组添加行，就像在数组中附加元素一样简单：

?

1 2 3 4 5 6 7 8 9 10

import numpy a = numpy.array([[1, 2, 3], [4, 5, 6]]) newarray = numpy.append(a, [[50, 60, 70]], axis = 0) print(newarray) """ 输出“ [[ 1 2 3]  [ 4 5 6]  [50 60 70]] """

删除元素

可以用 numpy 模块的 delete() 方法删除 numpy 数组元素：

?

1 2 3 4 5

import numpy a = numpy.array([1, 2, 3]) newarray = numpy.delete(a, 1, axis = 0) print(newarray) # 输出：[1 3]

在本例子中，我们有一个一维数组，用 delete() 方法从数组中删除了索引 1 处的元素。

删除一行

同样，你也可以用 delete() 方法删除行。

下面的例子中我们从二维数组中删除了一行：

?

1 2 3 4 5 6 7 8 9

import numpy a = numpy.array([[1, 2, 3], [4, 5, 6], [10, 20, 30]]) newarray = numpy.delete(a, 1, axis = 0) print(newarray) """ 输出： [[ 1 2 3]  [10 20 30]] """

在 delete() 方法中，首先给出数组，然后给出要删除的元素的索引。在上例中，我们删除了索引为 1 的元素。

检查 numpy 数组是否为空

可以用 size 方法返回数组中元素的总数。

在下面的例子中有一个 if 语句，通过 ndarray.size 检查数组中是否有元素，其中 ndarray 可以是任何给定的 numpy 数组：

?

1 2 3 4 5 6 7 8

import numpy   a = numpy.array([1, 2, 3]) if(a.size == 0):   print("the given array is empty") else:   print("the array = ", a) # 输出：the array = [1 2 3]

在上面的代码中，数组中有三个元素，因此它不是空的，判断条件将返回false。如果数组中没有元素，则 if 条件会变为 true 并且将打印空消息。如果数组等于：

?

1	a = numpy.array([])

上述代码将会输出：

the given array is empty

查找值的索引

要查找值对应的索引，可以用 numpy 模块的 where() 方法，如下例所示：

?

1 2 3 4

import numpy a = numpy.array([1, 2, 3, 4, 5]) print("5 is found at index: ", numpy.where(a == 5)) # 输出：5 is found at index: (array([4]),)

如果你只想得到索引，可以这样写：

?

1 2 3 4 5 6

import numpy   a = numpy.array([1, 2, 3, 4, 5]) index = numpy.where(a == 5) print("5 is found at index: ", index[0]) #输出： 5 is found at index: [4]

numpy 数组切片

数组切片是从给定数组中提取子集的过程。你可以用冒号（ : ）运算符对数组进行切片，并指定数组索引的开始和结束位置，例如：

?

1	array[from:to]

下面的例子中提取从索引 2 到索引 5 的元素：

?

1 2 3 4

import numpy a = numpy.array([1, 2, 3, 4, 5, 6, 7, 8]) print("a subset of array a = ", a[2:5]) # 输出：a subset of array a = [3 4 5]

如果想要提取最后三个元素，可以通过用负切片来完成操作，如下所示：

?

1 2 3 4

import numpy a = numpy.array([1, 2, 3, 4, 5, 6, 7, 8]) print("a subset of array a = ", a[-3:]) # 输出：a subset of array a = [6 7 8]

将函数作用于所有数组元素

在下面的例子中，我们将创建一个 lambda 函数，并传入一个数组，以其应用于所有元素：

?

1 2 3 4 5

import numpy addition = lambda x: x + 2 a = numpy.array([1, 2, 3, 4, 5, 6]) print("array after addition function: ", addition(a)) # 输出：array after addition function: [3 4 5 6 7 8]

在此例中，创建了一个 lambda 函数，它使每个元素都递增 2。

numpy 数组的长度

要得到 numpy 数组的长度，可以用 size 属性，如下所示：

?

1 2 3 4

import numpy a = numpy.array([1, 2, 3, 4, 5, 6]) print("the size of array = ", a.size) # 输出：the size of array = 6

从 list 创建 numpy 数组

假设你有一个列表：

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

现在要根据这个列表创建一个数组，可以用 numpy 模块的 array() 方法：

?

1 2 3 4 5

import numpy l = [1, 2, 3, 4, 5] a = numpy.array(l) print("the numpy array from python list = ", a) # 输出：the numpy array from python list = [1 2 3 4 5]

同样，使用 array() 方法，也可以从元组创建 numpy 数组。如下所示：

?

1 2 3 4 5

import numpy t = (1, 2, 3, 4, 5) a = numpy.array(t) print("the numpy array from python tuple = ", a) # 输出：the numpy array from python tuple = [1 2 3 4 5]

将 numpy 数组转换为 list

要将数组转换为list，可以使用 numpy 模块的 tolist()方法。

?

1 2 3 4

import numpy a = numpy.array([1, 2, 3, 4, 5]) print("array to list = ", a.tolist()) # 输出：array to list = [1, 2, 3, 4, 5]

在这段代码中，我们简单地调用了 tolist() 方法，该方法将数组转换为列表。然后将新创建的列表打印到输出屏幕。

把 numpy 数组导出为 csv

要将数组导出为 csv 文件，可以用 numpy 模块的 savetxt() 方法，如下所示：

?

1 2 3

import numpy a = numpy.array([1, 2, 3, 4, 5]) numpy.savetxt("myarray.csv", a)

此代码将在 python 代码文件所在路径下生成 csv 文件。当然你也可以指定路径。

该文件的内容如下：

1.000000000000000000e+00
2.000000000000000000e+00
3.000000000000000000e+00
4.000000000000000000e+00
5.000000000000000000e+00

你可以把额外填充的零删除，如下所示：

?

1	numpy.savetxt("myarray.csv", a,fmt='%.2f')

对 numpy 数组排序

可以用 numpy 模块的 sort() 方法对 numpy 数组进行排序：

sort() 函数有一个可选参数 axis（整数），默认为 -1。axis 指定我们要对数组进行排序的轴。 -1 表示将根据最后一个轴对数组进行排序。

?

1 2 3 4

import numpy a = numpy.array([16, 3, 2, 6, 8, 10, 1]) print("sorted array = ", numpy.sort(a)) # 输出：sorted array = [ 1 2 3 6 8 10 16]

在这个例子中，我们在 print 语句中调用了 sort() 方法。数组 a 被传递给 sort 函数。

归一化数组

归一化数组是指将数组的值置于某个定义范围的过程。例如，我们想要在 -1 和 1 之间对数组进行归一化，依此类推。

归一化的公式如下：

x = (x – xmin) / (xmax – xmin)

现在把这个公式用于我们的数组。要查找数组中的最大和最小项，可以分别用 numpy 的 max() 和 min() 方法。

?

1 2 3 4 5 6 7 8 9 10 11 12

import numpy x= numpy.array([400, 800, 200, 700, 1000, 2000, 300]) xmax = x.max() xmin = x.min() x = (x - xmin)/(xmax - xmin) print("after normalization array x = \n", x) """ 输出： after normalization array x =  [0.11111111 0.33333333 0.     0.27777778 0.44444444 1.  0.05555556] """

数组索引

索引指向数组中的一个元素。在下面的例子中，分别用到了一维和二维数组中的索引：

?

1 2 3 4

import numpy a = numpy.array([20, 13, 42, 86, 81, 9, 11]) print("element at index 3 = ", a[3]) # 输出：element at index 3 = 86

下面是二维数组：

?

1 2 3 4

import numpy a = numpy.array([[20, 13, 42], [86, 81, 9]]) print("element at index a[1][2] = ", a[1][2]) # 输出：element at index a[1][2] = 9

索引 [1][2] 表示第二行和第三列（索引从 0 开始）。因此在屏幕上输出 9 。

将 numpy 数组附加到另​一个数组上

可以用 append() 方法将 numpy 数组附加到另​​一个 numpy 数组上。

?

1 2 3 4 5 6

import numpy a = numpy.array([1, 2, 3, 4, 5]) b = numpy.array([10, 20, 30, 40, 50]) newarray = numpy.append(a, b) print("the new array = ", newarray) # 输出：the new array = [ 1 2 3 4 5 10 20 30 40 50]

在此例中，创建两个 numpy 数组 a， b 。然后把两个数组传给 append()。当数组 b 作为第二个参数传递时，将被添加到数组 a 的末尾。

总结

正如大家所见，numpy 数组用起来非常简单。在使用很多机器学习库时，numpy 数组非常重要。可以说numpy 是人工智能的大门。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持开心学习网。

原文链接：https://segmentfault.com/a/1190000018975446