其他
一图胜千言，超形象图解NumPy教程！
NumPy是Python中诸多数据科学库的重要基础，例如，pandas，OpenCV，TensorFlow等，学习NumPy对其它NumPy依赖数据科学库意义重大👇。 本文翻译一篇不错的NumPy基础图解教程，从 一维数组(向量)，二维数组(矩阵)和多维数组(3维及更高维数组)介绍NumPy。原文：NumPy Illustrated: The Visual Guide to NumPy，文章灵感部分来自👉Jay Alammar的NumPy图解文章
0、NumPy数组 vs Python列表
Numpy数组中插入、移除元素没Python列表高效； Numpy数组可 直接做四则运算、Python列表则需借助列表推倒式等；Numpy数组更紧凑, 高维时尤为明显；Numpy数组 向量化后运算速度比Python列表更快；Numpy数组通常是 同质化的，仅仅当数组中元素类型一致时处理速度快。
1、一维数组 (向量)
1.1 数组创建
通过Python列表创建 ⚠️必须确保列表中元素类型一致，否则，进一步处理报错。 ⚠️NumPy数组区别于Python列表，不能在数组末尾直接扩展元素。 通过np.zeros或np.empty等创建 可以通过np.zeros、np.ones、np.empty、np.full等创建数组。 通过np.zeros_like或np.empty_like等创建 以上都有对应的_like函数，可快速创建a数组长度一致数组， 通过np.arange和np.linspace创建 np.arange类似于Python range ⚠️np.arange对元素数据类型敏感，特别是float类别，以下方式可供参考 创建随机数组 已弃用方法， 新方法，
1.2 数组索引
1.1中介绍了多种构建数组的方法，1.2中介绍如何愉快的从数组中取元素。
常见索引方法 布尔运算符索引 ⚠️不能用三元运算符，如3<=a<=5。 np.where、np.clip+布尔运算符索引
1.3 数组操作
计算速度是NumPy的亮点之一，其数组运算操作速度接近C++，把数组当作整体来运算，避免Python的循环，可以解决一部分Python慢的问题，这一节介绍NumPy的数组操作。
加减乘除、取整等基础操作 类似python加减乘除、取余数， 向上、向下、四舍五入 最大、最小、均值等， 三角函数 标量计算 支持更多数学方法 排序 只有部分Python列表排序操作，
1.4 数组元素查找
无Python list的index函数，通常有三种方法，
where，但不够pythonic、需压遍历数组； next，较快，需要Numba； searchsorted，适合已排序数组。
1.5 浮点数比较
2 二维数组 (矩阵)
2.1 二维数组创建
同一维数组，⚠️使用[[]],
2.2 二维数组索引
比Python嵌套列表更方便
2.3 二维数组操作
NumPy支持跨行、跨列操作，此时NumPy引入了axis的概念，axis=1，axis=0👇，
行列or行or列求和 +、-、*、/、//、**和@ +、-、*、/、//、**类似一维数组，@为二维数组独有，二维数组整体计算， 二维数组与单个元素、一维数组计算， @计算非对称线性代数外积， 行/列向量计算 二维数组变形 一维数组、二维数组之间互转， hstack、vstack、column_stack拼接数组 hsplit、vsplit拆分二维数组 tile、repeat复制数组 delete二维数组删除 insert二维数组插入 append二维数组末尾操作 pad二维数组边界操作
2.4 二维数组网格化
针对网格化，C、传统Python及MATLAB都有解决办法，
2.5 二维数组统计
支持min/max, argmin/argmax, mean/median/percentile, std/var等函数，前面2.3节介绍过部分。
2.6 二维数组排序
注意指定axis，
argsort按某一列排序 lexsort对所有列进行排序 ⚠️总是按行执行，从下到上， sort结合order
3 多维数组 (3维及更高维数组)
下面主要以3维数组为例。
3.1 多维数组创建
通过reshape 1维数组、嵌套Python list创建多维数组，索引(z,y,x)中，z是平面方向，(y,x)在z平面上坐标，
3.2 多维数组创建hstack，vstack
适用3维数组，多了一个dstack，
⚠️但是，这些函数支持的索引顺序是(y,x,z)，
-END-
点击直达历史文章 |
关注Pythonic生物人 |
加微信 备注来意(交流群、合作等等) |