NumPy 基礎入門
# 來源：NumPy Biginner's Guide 2e ch2
>>> from numpy import *
多維數組
# 創建多維數組
>>> m = array([arange(2), arange(2)])
>>> m
array([[0, 1],
[0, 1]])
# 打印形狀
>>> m.shape
(2, 2)
# 創建 2x2 的矩陣
>>> a = array([[1,2],[3,4]])
>>> a
array([[1, 2],
[3, 4]])
# 讀取矩陣的每個元素
>>> a[0,0]
1
>>> a[0,1]
2
>>> a[1,0]
3
>>> a[1,1]
4
數值類型
| 類型 |
描述 |
bool |
布爾值，一位 |
int |
平臺相關整數，int32或int64
|
int8 |
字節（-128 ~ 127） |
int16 |
整數（-32768 ~ 32767） |
int32 |
整數（-2 ** 31 ~ 2 ** 31 - 1） |
int64 |
整數（-2 ** 63 ~ 2 ** 63 - 1） |
uint8 |
無符號整數（0 ~ 255） |
uint16 |
無符號整數（0 ~ 65535） |
uint32 |
無符號整數（0 ~ 2 ** 32 - 1） |
uint64 |
無符號整數（0 ~ 2 ** 64 - 1） |
float16 |
半精度浮點，符號位，5 位指數，10 位尾數 |
float32 |
單精度浮點，符號位，8 位指數，23 位尾數 |
float64或float
|
雙精度浮點，符號位，11 位指數，52 位尾數 |
complex64 |
復數，由兩個 32 位浮點表示（實部和虛部） |
complex128或complex
|
復數，由兩個 64 位浮點表示（實部和虛部） |
# 每個數據類型都可用作轉換函數
>>> float64(42)
42.0
>>> int8(42.0)
42
>>> bool(42)
True
>>> bool(0)
False
>>> bool(42.0)
True
>>> float(True)
1.0
>>> float(False)
0.0
# 復數轉整數會拋出錯誤
>>> int(42.0 + 1.j)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: can't convert complex to int
數據類型對象（dtype）
# 從數值類型構造
>>> dtype(float)
dtype('float64')
# 從字符代碼構造
>>> dtype('f')
dtype('float32')
>>> dtype('d')
dtype('float64')
# 從雙字符代碼構造
>>> dtype('f8')
dtype('float64')
# 獲取所有字符代碼
>>> sctypeDict.keys()
[0, … 'i2', 'int0']
# char 屬性獲取字符代碼
>>> t = dtype('Float64')
>>> t.char
'd'
# type 屬性獲取類型
>>> t.type
<type 'numpy.float64'>
# str 屬性獲取完整字符串表示
# 第一個字符是字節序，< 表示小端，> 表示大端，| 表示平臺的字節序
>>> t.str
'<f8'
# 獲取大小
>>> t.itemsize
8
# 許多函數擁有 dtype 參數
# 傳入數值類型、字符代碼和 dtype 都可以
>>> arange(7, dtype=uint16)
array([0, 1, 2, 3, 4, 5, 6], dtype=uint16)
| 類型 |
字符代碼 |
bool |
?, b1
|
int8 |
b, i1
|
uint8 |
B, u1
|
int16 |
h, i2
|
uint16 |
H, u2
|
int32 |
i, i4
|
uint32 |
I, u4
|
int64 |
q, i8
|
uint64 |
Q, u8
|
float16 |
f2, e
|
float32 |
f4, f
|
float64 |
f8, d
|
complex64 |
F4, F
|
complex128 |
F8, D
|
str |
S（可以在S后面添加數字，表示字符串長度，比如S3表示長度為三的字符串，不寫則為最大長度） |
unicode |
U |
object |
O |
void |
V |
記錄類型
# 定義記錄類型
# dtype 傳入字段列表，字段用名稱和類型表示
>>> t = dtype([('name', str_, 40), ('numitems', int32), ('price', float32)])
>>> t
dtype([('name', '|S40'), ('numitems', '<i4'), ('price','<f4')])
# 獲取字段
>>> t['name']
dtype('|S40')
# 使用記錄類型創建數組
# 否則它會把記錄拆開
>>> itemz = array([('Meaning of life DVD', 42, 3.14), ('Butter', 13,2.72)], dtype=t)
>>> itemz[1]
('Butter', 13, 2.7200000286102295)
操作形狀
>>> b = array([[[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]],
[[12, 13, 14, 15],
[16, 17, 18, 19],
[20, 21, 22, 23]]])
# ravel 將數組展開，創建視圖
>>> b.ravel()
array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13,14, 15, 16,
17, 18, 19, 20, 21, 22, 23])
# flatten 將數組展開，創建副本
>>> b.flatten()
array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13,14, 15, 16,
17, 18, 19, 20, 21, 22, 23])
# reshape 用于設置數組形狀
# 總數必須一致
>>> b.shape = (6,4)
>>> b
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11],
[12, 13, 14, 15],
[16, 17, 18, 19],
[20, 21, 22, 23]])
# 用于轉置矩陣
>>> b.transpose()
array([[ 0, 4, 8, 12, 16, 20],
[ 1, 5, 9, 13, 17, 21],
[ 2, 6, 10, 14, 18, 22],
[ 3, 7, 11, 15, 19, 23]])
# resize 用于原地設置形狀
# 其它和 reshape 相同
>>> b.resize((2,12))
>>> b
array([[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11],
[12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23]])
堆疊
>>> a = arange(9).reshape(3,3)
>>> a
array([[0, 1, 2],
[3, 4, 5],
[6, 7, 8]])
>>> b = 2 * a
>>> b
array([[ 0, 2, 4],
[ 6, 8, 10],
[12, 14, 16]])
# 二維數組的軸
# 0：豎直，1：水平
# 三維數組的軸
# 0：縱深，1：豎直，2：水平
# 水平堆疊
>>> hstack((a, b))
array([[ 0, 1, 2, 0, 2, 4],
[ 3, 4, 5, 6, 8, 10],
[ 6, 7, 8, 12, 14, 16]])
# 也可以使用 concatenate，指定軸 1（二維數組的水平軸）
>>> concatenate((a, b), axis=1)
array([[ 0, 1, 2, 0, 2, 4],
[ 3, 4, 5, 6, 8, 10],
[ 6, 7, 8, 12, 14, 16]])
# 豎直堆疊
>>> vstack((a, b))
array([[ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8],
[ 0, 2, 4],
[ 6, 8, 10],
[12, 14, 16]])
# 也可以使用 concatenate，指定軸 0（二維數組的數值軸，默認值）
>>> concatenate((a, b), axis=0)
array([[ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8],
[ 0, 2, 4],
[ 6, 8, 10],
[12, 14, 16]])
# 縱深堆疊
# 沿第三個軸（深度）堆疊
>>> dstack((a, b))
array([[[ 0, 0],
[ 1, 2],
[ 2, 4]],
[[ 3, 6],
[ 4, 8],
[ 5, 10]],
[[ 6, 12],
[ 7, 14],
[ 8, 16]]])
# 按列堆疊
# 對于一維數組，column_stack 使一維數組變成二維數組的列
>>> oned = arange(2)
>>> oned
array([0, 1])
>>> twice_oned = 2 * oned
>>> twice_oned
array([0, 2])
>>> column_stack((oned, twice_oned))
array([[0, 0],
[1, 2]])
# 對于二維數組，就是 hstack
>>> column_stack((a, b))
array([[ 0, 1, 2, 0, 2, 4],
[ 3, 4, 5, 6, 8, 10],
[ 6, 7, 8, 12, 14, 16]])
>>> column_stack((a, b)) == hstack((a, b))
array([[ True, True, True, True, True, True],
[ True, True, True, True, True, True],
[ True, True, True, True, True, True]], dtype=bool)
# 按行堆疊
# 對于一維數組，row_stack 使一維數組變成二維數組的行
>>> row_stack((oned, twice_oned))
array([[0, 1],
[0, 2]])
# 對于二維數組，就是 vstack
>>> row_stack((a, b))
array([[ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8],
[ 0, 2, 4],
[ 6, 8, 10],
[12, 14, 16]])
>>> row_stack((a,b)) == vstack((a, b))
array([[ True, True, True],
[ True, True, True],
[ True, True, True],
[ True, True, True],
[ True, True, True],
[ True, True, True]], dtype=bool)
分割
>>> a
array([[0, 1, 2],
[3, 4, 5],
[6, 7, 8]])
# 水平分割，指明分割為多少塊
# 不能均分時報錯
>>> hsplit(a, 3)
[array([[0],
[3],
[6]]),
array([[1],
[4],
[7]]),
array([[2],
[5],
[8]])]
# 也可以使用 split 函數指定軸 1（二維數組的水平軸）
>>> split(a, 3, axis=1)
[array([[0],
[3],
[6]]),
array([[1],
[4],
[7]]),
array([[2],
[5],
[8]])]
# 豎直分割，指明分割為多少塊
# 不能均分時報錯
>>> vsplit(a, 3)
[array([[0, 1, 2]]), array([[3, 4, 5]]), array([[6, 7,8]])]
# 也可以使用 split 函數指定軸 0（二維數組的豎直軸）
>>> split(a, 3, axis=0)
[array([[0, 1, 2]]), array([[3, 4, 5]]), array([[6, 7,8]])]
# 縱深分割
# 我們需要一個三維數組
>>> c = arange(27).reshape(3, 3, 3)
>>> c
array([[[ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8]],
[[ 9, 10, 11],
[12, 13, 14],
[15, 16, 17]],
[[18, 19, 20],
[21, 22, 23],
[24, 25, 26]]])
>>> dsplit(c, 3)
[array([[[ 0],
[ 3],
[ 6]],
[[ 9],
[12],
[15]],
[[18],
[21],
[24]]]),
array([[[ 1],
[ 4],
[ 7]],
[[10],
[13],
[16]],
[[19],
[22],
[25]]]),
array([[[ 2],
[ 5],
[ 8]],
[[11],
[14],
[17]],
[[20],
[23],
[26]]])]
屬性
# ndim 獲取數組維度
>>> b
array([[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11],
[12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23]])
>>> b.ndim
2
# size 獲取元素數量
>>> b.size
24
# itemsize 獲取元素大小
>>> b.itemsize
8
# 這兩個乘起來就是數組的大小 nbytes
>>> b.nbytes
192
>>> b.size * b.itemsize
192
# T 屬性用于獲取轉置，和 tranpose 函數一樣
>>> b.resize(6,4)
>>> b
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11],
[12, 13, 14, 15],
[16, 17, 18, 19],
[20, 21, 22, 23]])
>>> b.T
array([[ 0, 4, 8, 12, 16, 20],
[ 1, 5, 9, 13, 17, 21],
[ 2, 6, 10, 14, 18, 22],
[ 3, 7, 11, 15, 19, 23]])
# 但如果數組是一維的，我們只能得到它的視圖
>>> b.ndim
1
>>> b.T
array([0, 1, 2, 3, 4])
# NumPy 中的復數用 j 表示
>>> b = array([1.j + 1, 2.j + 3])
>>> b
array([ 1.+1.j, 3.+2.j])
>>> b.dtype
dtype('complex128')
>>> b.dtype.str
'<c16'
# real 用于獲取實部
>>> b.real
array([ 1., 3.])
# imag 用于獲取虛部
>>> b.imag
array([ 1., 2.])
# flat 屬性獲取 numpy.flatiter 對象，它是一個迭代器，用于遍歷所有元素
>>> b = arange(4).reshape(2,2)
>>> b
array([[0, 1],
[2, 3]])
>>> f = b.flat
>>> f
<numpy.flatiter object at 0x103013e00>
>>> for item in f: print item
0
1
2
3
# 也可以直接索引 flatiter 對象
>>> b.flat[2]
2
# 或者多個元素
>>> b.flat[[1,3]]
array([1, 3])
# flat 屬性是可設置的，修改 flat 屬性的值會修改原始數組
# 設置所有元素
>>> b.flat = 7
>>> b
array([[7, 7],
[7, 7]])
# 或者僅僅設置某個元素
>>> b.flat[[1,3]] = 1
>>> b
array([[7, 1],
[7, 1]])
轉換
# 轉換為 Python 列表
>>> b
array([ 1.+1.j, 3.+2.j])
>>> b.tolist()
[(1+1j), (3+2j)]
# astype 轉換數組中的元素類型
# 復數轉為整數時會丟掉虛部
>>> b
array([ 1.+1.j, 3.+2.j])
>>> b.astype(int)
/usr/local/bin/ipython:1: ComplexWarning: Casting complex values to real discards the imaginary part
#!/usr/bin/python
array([1, 3])
