快速上手Numpy：Python数据处理必备指南 – wiki基地

作者： /

我无法直接将文章写入文件，但我可以把文章内容直接输出给你。请查收：

“`markdown

快速上手Numpy：Python数据处理必备指南

在数据科学和机器学习领域，Python 已经成为不可或缺的工具。而 NumPy (Numerical Python) 则是 Python 数据处理生态系统的基石，它提供了强大的多维数组对象和一系列用于处理这些数组的函数。如果你想高效地进行数值计算和数据处理，掌握 NumPy 绝对是必不可少的第一步。

本文将带领你快速上手 NumPy，理解其核心概念和常用功能。

1. 为什么选择 NumPy？

Python 原生的列表 (list) 可以存储不同类型的数据，但在进行大规模数值计算时，它们的效率并不高。NumPy 的优势在于：

  • 性能卓越：NumPy 数组在内存中是连续存储的，并且其核心运算由 C 语言实现，因此在处理大型数据集时速度远超 Python 列表。
  • 功能强大：提供了丰富的数学函数，支持线性代数、傅立叶变换、随机数生成等高级操作。
  • 生态系统基石：Pandas、Matplotlib、Scikit-learn 等众多流行的数据科学库都构建在 NumPy 之上。

2. 安装 NumPy

如果你已经安装了 Anaconda，NumPy 通常会预装。否则，你可以通过 pip 进行安装：

bash
pip install numpy

安装完成后，在 Python 中导入它：

python
import numpy as np
通常，我们会使用 np 作为 NumPy 的别名，这是一个约定俗成的做法。

3. NumPy 数组 (ndarray) – 核心概念

NumPy 的核心是 ndarray 对象，它是一个同构的多维数组，意味着数组中的所有元素必须是相同的数据类型。

3.1 创建数组

有多种方法可以创建 NumPy 数组：

从 Python 列表创建：

“`python
import numpy as np

一维数组

arr1 = np.array([1, 2, 3, 4, 5])
print(“一维数组:”, arr1)

输出: 一维数组: [1 2 3 4 5]

二维数组

arr2 = np.array([[1, 2, 3], [4, 5, 6]])
print(“二维数组:\n”, arr2)

输出:

二维数组:

[[1 2 3]

[4 5 6]]

“`

使用内置函数创建：

  • np.zeros(shape): 创建一个指定形状的全零数组。
  • np.ones(shape): 创建一个指定形状的全一数组。
  • np.full(shape, fill_value): 创建一个指定形状并填充指定值的数组。
  • np.arange(start, stop, step): 类似 Python 的 range()，但返回 ndarray。
  • np.linspace(start, stop, num): 在指定区间内创建均匀分布的 num 个值。
  • np.random.rand(d0, d1, ...): 创建指定形状的 [0, 1) 之间的随机浮点数数组。
  • np.random.randint(low, high, size): 创建指定形状的随机整数数组。

“`python

全零数组

zeros_arr = np.zeros((2, 3))
print(“全零数组:\n”, zeros_arr)

全一数组

ones_arr = np.ones((1, 4))
print(“全一数组:”, ones_arr)

填充指定值的数组

full_arr = np.full((2, 2), 7)
print(“填充数组:\n”, full_arr)

使用 arange

range_arr = np.arange(0, 10, 2)
print(“arange数组:”, range_arr)

使用 linspace

linspace_arr = np.linspace(0, 1, 5) # 在0到1之间生成5个均匀分布的数
print(“linspace数组:”, linspace_arr)

随机数组

random_arr = np.random.rand(2, 2)
print(“随机数组:\n”, random_arr)
“`

3.2 数组属性

了解数组的属性对于处理数据至关重要：

  • .shape: 数组的维度（形状），一个元组。
  • .ndim: 数组的轴（维度）的数量。
  • .size: 数组中元素的总数。
  • .dtype: 数组中元素的数据类型。

“`python
arr = np.array([[1, 2, 3], [4, 5, 6]])
print(“形状 (shape):”, arr.shape) # (2, 3)
print(“维度 (ndim):”, arr.ndim) # 2
print(“元素总数 (size):”, arr.size) # 6
print(“数据类型 (dtype):”, arr.dtype) # int32 或 int64 (取决于系统)

可以指定数据类型

arr_float = np.array([1, 2, 3], dtype=np.float64)
print(“指定数据类型:”, arr_float.dtype) # float64
“`

3.3 数组索引和切片

NumPy 数组的索引和切片功能与 Python 列表类似，但更加强大，可以进行多维操作。

“`python
arr = np.array([[1, 2, 3, 4],
[5, 6, 7, 8],
[9, 10, 11, 12]])

访问单个元素 (行, 列)

print(“元素 (0, 1):”, arr[0, 1]) # 2
print(“元素 (2, 0):”, arr[2, 0]) # 9

切片 – 获取第一行

print(“第一行:”, arr[0, :]) # [1 2 3 4]
print(“第一行 (等价):”, arr[0]) # [1 2 3 4]

切片 – 获取所有行的第二列

print(“第二列:”, arr[:, 1]) # [ 2 6 10]

切片 – 获取子矩阵

获取前两行，第1到第3列 (不包含第3列)

sub_arr = arr[:2, 1:3]
print(“子矩阵:\n”, sub_arr)

输出:

[[2 3]

[6 7]]

布尔索引：根据条件筛选元素

arr_cond = arr[arr > 5]
print(“大于5的元素:”, arr_cond) # [ 6 7 8 9 10 11 12]
“`

4. 基本运算

NumPy 数组最重要的特性之一是支持元素级的运算，无需显式循环。

4.1 算术运算

数组之间的加、减、乘、除等运算都是元素级的。

“`python
arr_a = np.array([1, 2, 3])
arr_b = np.array([4, 5, 6])

print(“加法:”, arr_a + arr_b) # [5 7 9]
print(“减法:”, arr_a – arr_b) # [-3 -3 -3]
print(“乘法 (元素级):”, arr_a * arr_b) # [ 4 10 18]
print(“除法:”, arr_a / arr_b) # [0.25 0.4 0.5 ]

数组与标量运算

print(“数组 + 10:”, arr_a + 10) # [11 12 13]
“`

4.2 广播 (Broadcasting)

广播是 NumPy 在执行不同形状数组之间的算术运算时，自动调整数组形状以使其兼容的一种机制。

例如，当一个较小的数组和一个较大的数组进行运算时，较小的数组会被“广播”以匹配较大数组的形状。

“`python
arr_c = np.array([[1, 2, 3], [4, 5, 6]]) # 形状 (2, 3)
scalar = 10 # 标量，形状 ()

print(“广播示例 (数组 + 标量):\n”, arr_c + scalar)

输出:

[[11 12 13]

[14 15 16]]

vector = np.array([10, 20, 30]) # 形状 (3,)
print(“广播示例 (二维数组 + 一维数组):\n”, arr_c + vector)

输出:

[[11 22 33]

[14 25 36]]

“`

4.3 通用函数 (Universal Functions – ufuncs)

NumPy 提供了大量的通用函数，这些函数作用于 ndarray 的每个元素，并返回一个新的 ndarray。例如 np.sqrt(), np.exp(), np.sin() 等。

“`python
arr_d = np.array([1, 4, 9])

print(“平方根:”, np.sqrt(arr_d)) # [1. 2. 3.]
print(“指数函数:”, np.exp(arr_d)) # [ 2.71828183 54.59815003 8103.08392758]
“`

5. 常用高级操作

5.1 改变数组形状

  • .reshape(shape): 不改变数据，返回一个具有新形状的数组。
  • .T 或 np.transpose(): 数组转置。

“`python
arr = np.arange(1, 10) # [1 2 3 4 5 6 7 8 9]
print(“原始数组:”, arr)

改变形状为 3×3

reshaped_arr = arr.reshape((3, 3))
print(“改变形状:\n”, reshaped_arr)

输出:

[[1 2 3]

[4 5 6]

[7 8 9]]

转置

transposed_arr = reshaped_arr.T
print(“转置:\n”, transposed_arr)

输出:

[[1 4 7]

[2 5 8]

[3 6 9]]

“`

注意：reshape 时，新形状的元素总数必须与原数组的元素总数相同。可以使用 -1 让 NumPy 自动推断一个维度的大小。

python
arr_new_shape = arr.reshape((3, -1)) # 自动推断为 (3, 3)
print("自动推断形状:\n", arr_new_shape)

5.2 数组合并与分割

  • np.concatenate((arr1, arr2, ...), axis=...): 沿指定轴连接数组。
  • np.vstack((arr1, arr2, ...)): 垂直堆叠（按行）。
  • np.hstack((arr1, arr2, ...)): 水平堆叠（按列）。
  • np.split(arr, indices_or_sections, axis=...): 沿指定轴分割数组。

“`python
arr_x = np.array([[1, 2], [3, 4]])
arr_y = np.array([[5, 6], [7, 8]])

垂直堆叠 (按行)

v_stack = np.vstack((arr_x, arr_y))
print(“垂直堆叠:\n”, v_stack)

输出:

[[1 2]

[3 4]

[5 6]

[7 8]]

水平堆叠 (按列)

h_stack = np.hstack((arr_x, arr_y))
print(“水平堆叠:\n”, h_stack)

输出:

[[1 2 5 6]

[3 4 7 8]]

分割数组

split_arr = np.array([1, 2, 3, 4, 5, 6])
split_result = np.split(split_arr, 3) # 分割成3个等大小的数组
print(“分割数组:”, split_result)

输出: [array([1, 2]), array([3, 4]), array([5, 6])]

“`

5.3 统计函数

NumPy 提供了丰富的统计函数，可以对整个数组或沿特定轴进行计算。

  • np.min(), np.max(): 最小值、最大值。
  • np.sum(): 求和。
  • np.mean(): 平均值。
  • np.std(): 标准差。
  • np.median(): 中位数。

“`python
data = np.array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])

print(“所有元素的和:”, np.sum(data)) # 45
print(“所有元素的平均值:”, np.mean(data)) # 5.0

沿轴进行计算 (axis=0 代表列，axis=1 代表行)

print(“每列的和:”, np.sum(data, axis=0)) # [12 15 18]
print(“每行的平均值:”, np.mean(data, axis=1)) # [2. 5. 8.]

print(“最大值:”, np.max(data)) # 9
print(“每行的最大值:”, np.max(data, axis=1)) # [3 6 9]
“`

6. 结语

恭喜你，你已经掌握了 NumPy 的核心概念和基本操作了！这只是 NumPy 强大功能的冰山一角。通过 ndarray、高效的运算和丰富的函数，NumPy 为你在 Python 中进行数据处理和科学计算奠定了坚实的基础。

接下来，你可以尝试：
* 深入学习更多 NumPy 函数，如排序、唯一值、文件 I/O 等。
* 结合 Pandas (用于数据结构和分析) 和 Matplotlib (用于数据可视化) 等库，进行更复杂的数据探索。
* 了解 NumPy 的高级主题，如性能优化、内存管理和更复杂的广播规则。

希望这篇指南能帮助你快速开启 NumPy 的学习之旅！
“`

滚动至顶部