Python冬令營-Numpy 使用簡介

Numpy 簡介: 使用python進入數據科學的世界！

source: https://realpython.com/numpy-tutorial/#hello-numpy-curving-test-grades-tutorial

聲明:本篇推送的主要內容翻譯自:

https://realpython.com/numpy-tutorial/#hello-numpy-curving-test-grades-tutorial

學習目標:

1.創建Numpy 數組

2.Numpy數組的簡單運算運算

3.從numpy數組中提取信息

4.對numpy數組中的元素進行排序

5.連接(concatenate) numpy數組

如果您閱讀了之前的幾篇推送，相信您已經對python語言以及電腦程式設計有了一定的了解。在現今萬物開始互聯的時代，對於數字信息與數據的獲取與處理能力是每個人應該掌握的技能，今天這篇推送將為大家簡單介紹Numpy工具庫。

在先前的推送中，我們曾經使用numpy進行過簡單的統計數據計算，但是還沒來得及說明numpy是什麼，為什麼要學習它，以及系統地講解它的使用方法。

Numpy是針對python語言編寫的一個強大的數值運算函數庫，它的優點就包括:

1.運算速度快

2.通過向量運算減少代碼中的循環結構

3.包含豐富的數值計算函數

4.是許多更高級數據科學工具的基礎

讓我們以一個簡單的案例開始，假設您給學生布置了一項測驗，但是因為測驗內容過難，大多數學生的成績都不如平常，所以您想對學生的分數進行處理，讓它更能體現學生的真實水平。所以您打算這麼處理:

1.計算所有學生成績的平均分，把平均分當做C等級的分數

2.對所有學生的成績加上(80-平均分)

運行該程序，您將在解釋器中得到

在以上的代碼中，最重要的是第二行，

它創建了一個numpy一維數組，由8個元素構成。使用numpy數組最方便地方在於它可以實現向量化的運算。例如:

得到的結果是:

即數組中對應位置元素的和

numpy數組還是方便的實現廣播，即將一個數值加到一組數的所有元素上

這也就是為什麼說，使用numpy數據結構可以大大減少循環結構的使用頻率。

下面來創建一個二維數組

這個二維數組，可以看成是這樣一個矩陣

也可以把矩陣看成是向量(一維矩陣)的組合。所以對於這樣一個矩陣，它可以由兩組向量組合代表，一組是將每一行看成是一個向量，另一組是將每一列看成一個向量。這個方向在數值計算中非常重要，就以找最大值為例:

得到的輸出信息是:

第一種方法是找到矩陣中所有元素的最大值(9), 第二個方法是找到每一列中的最大值，並由此構成了一個新的一維數組，這裡的axis=0，是選擇沿著每一列進行數值計算。同理第三種情況是沿著每一個行向量，找到其最大值，並整合成一個一維數組。

數組間的廣播運算(Broadcasting)

Numpy 允許不同形狀的數組進行廣播運算。例如:我們在這裡創建兩個不同形狀的二維數組

a是一個2*8的二維數組，b是一個1*8的二維數組，我們可以這樣表示，, ,即用行向量來表示這兩個數組。

先從c的形狀來分析，它是一個2*8的二維數組，同時發現每一行是數組a中每一行加數組b的數值，這也就是數組b的數值被」廣播」到了數組a的每一行中。

從數組中提取數據

創建這樣一個二維數組

現在來計算這個數組中:

1.每一行的和

2.每一列的和

3.兩組對角線元素的和

4.將這個矩陣劃分為一個由4個2*2子矩陣構成的矩陣，計算每個子矩陣的和

對於數組元素，採用與python列表一樣的序號索引，維度之間用逗號隔開。對於二維數組，第一位是行標，第二位是列標。例如square[:,1]代表第二列所有元素。同理，square[1,:]代表第二行的所有元素。

下面來計算兩組對角元素的和

這裡使用-(i+1)作為元素序號表示從右邊開始選取元素。例如square[0,-1]表示square中第一行倒數第一個元素，square[1,-2]表示第二行倒數第二個元素。

接著計算計算四個子矩陣的和:

以upper_left為例,[:2,:2]表示其前兩行與前兩列所有元素的交集，即矩陣左上角的四個元素，接著使用.sum()得到這四個元素的和。

除了通過元素位置來獲取信息，還可以通過masking來從矩陣中截取符合要求的信息。它的基本工作原理是，建立一個與原數組相同形狀的數組，這個數組的元素只允許有兩個值, 真或者假(True, False).

下面以一個例子介紹這種信息提取的方法:

首先生成一個數組

生成這個數組用到了幾個常用numpy函數，np.linspace(5,50,24,dtype)表示從區間[5,50]中等距離選取24個元素，將每個元素的類型設置為整數(dtype=int). 最後使用.reshape()轉換成二維數組。Reshape(4,-1)中的-1表示，numpy會根據元素個數和行的數目(4)自動計算列的數目。

然後生成mask數組

最後將mask作用於原數組

這裡需注意的是，經過mask過濾的元素組成的是一個一維數組。

當然也可以將以上兩個步驟縮減為一行代碼

我們還可以使用numpy來驗證統計學的一個基本事實: 在正態分布中, 約95%的數值都分布在以均值為中心的兩個標準差以內。

以下是進行了10次的隨機試驗的結果

使用Numpy進行排序 

在默認情況下，np.sort()將對數組最內側括號中的元素進行排序

如果將axis參數設置為None, 將會對所有元素進行排序，並輸出一個排列好的一維數組

如果想獲得一個逆序的排列，使用

要將每一列進行排序，將參數axis設置為0

使用numpy連接數組

今天只是向大家簡單介紹numpy的使用方法，今後還會有更多關於numpy的使用案例。請大家關注北大附中技術中心公眾號！！