深入理解NumPy简明教程---数组1

目前我的工作是将NumPy引入到Pyston中（一款Dropbox实现的Python编译器/解释器）。在工作过程中，我深入接触了NumPy源码，了解其实现并提交了PR修复NumPy的bug。在与NumPy源码以及NumPy开发者打交道的过程中，我发现当今中文NumPy教程大部分都是翻译或参考英文文档，因此导致了许多疏漏。比如NumPy数组中的broadcast功能，几乎所有中文文档都翻译为“广播”。而NumPy的开发者之一，回复到“broadcast is a compound -- native English speakers can see that it's " broad" + "cast" = "cast (scatter, distribute) broadly, I guess "cast (scatter, distribute) broadly" probably is closer to the meaning（NumPy中的含义）"。有鉴于此，我打算启动一个项目，以我对NumPy使用以及源码层面的了解编写一个系列的教程。

NumPy数组

NumPy数组是一个多维数组对象，称为ndarray。其由两部分组成：

• 实际的数据
• 描述这些数据的元数据

大部分操作仅针对于元数据，而不改变底层实际的数据。

关于NumPy数组有几点必需了解的：

• NumPy数组的下标从0开始。
• 同一个NumPy数组中所有元素的类型必须是相同的。

NumPy数组属性

在详细介绍NumPy数组之前。先详细介绍下NumPy数组的基本属性。NumPy数组的维数称为秩（rank），一维数组的秩为1，二维数组的秩为2，以此类推。在NumPy中，每一个线性的数组称为是一个轴（axes），秩其实是描述轴的数量。比如说，二维数组相当于是两个一维数组，其中第一个一维数组中每个元素又是一个一维数组。所以一维数组就是NumPy中的轴（axes），第一个轴相当于是底层数组，第二个轴是底层数组里的数组。而轴的数量——秩，就是数组的维数。

NumPy的数组中比较重要ndarray对象属性有：

• ndarray.ndim：数组的维数（即数组轴的个数），等于秩。最常见的为二维数组（矩阵）。
• ndarray.shape：数组的维度。为一个表示数组在每个维度上大小的整数元组。例如二维数组中，表示数组的“行数”和“列数”。ndarray.shape返回一个元组，这个元组的长度就是维度的数目，即ndim属性。
• ndarray.size：数组元素的总个数，等于shape属性中元组元素的乘积。
• ndarray.dtype：表示数组中元素类型的对象，可使用标准的Python类型创建或指定dtype。另外也可使用前一篇文章中介绍的NumPy提供的数据类型。
• ndarray.itemsize：数组中每个元素的字节大小。例如，一个元素类型为float64的数组itemsiz属性值为8(float64占用64个bits，每个字节长度为8，所以64/8，占用8个字节），又如，一个元素类型为complex32的数组item属性为4（32/8）。
• ndarray.data：包含实际数组元素的缓冲区，由于一般通过数组的索引获取元素，所以通常不需要使用这个属性。

创建数组

先来介绍创建数组。创建数组的方法有很多。如可以使用array函数从常规的Python列表和元组创造数组。所创建的数组类型由原序列中的元素类型推导而来。　　　 

>>> from numpy import * 　　　 
>>> a = array( [2,3,4] )　　　 
>>> a 
  array([2, 3, 4]) 
>>> a.dtype 
  dtype('int32') 
>>> b = array([1.2, 3.5, 5.1])　　　 
>>> b.dtype 
  dtype('float64') 

使用array函数创建时，参数必须是由方括号括起来的列表，而不能使用多个数值作为参数调用array。　　　

>>> a = array(1,2,3,4)  # 错误 
>>> a = array([1,2,3,4]) # 正确 

可使用双重序列来表示二维的数组，三重序列表示三维数组，以此类推。

>>> b = array( [ (1.5,2,3), (4,5,6) ] )　　 
>>> b 
  array([[ 1.5, 2. , 3. ], 
　　　   [ 4. , 5. , 6. ]]) 

可以在创建时显式指定数组中元素的类型

>>> c = array( [ [1,2], [3,4] ], dtype=complex) 
>>> c 
  array([[ 1.+0.j, 2.+0.j], 
　　　  [ 3.+0.j, 4.+0.j]]) 

通常，刚开始时数组的元素未知，而数组的大小已知。因此，NumPy提供了一些使用占位符创建数组的函数。这些函数有助于满足除了数组扩展的需要，同时降低了高昂的运算开销。

用函数zeros可创建一个全是0的数组，用函数ones可创建一个全为1的数组，函数empty创建一个内容随机并且依赖与内存状态的数组。默认创建的数组类型(dtype)都是float64。

可以哟娜特d.dtype.itemsize来查看数组中元素占用的字节数目。

>>> d = zeros((3,4)) 
>>> d.dtype 
dtype('float64') 
>>> d 
array([[ 0., 0., 0., 0.], 
　　  [ 0., 0., 0., 0.], 
　　  [ 0., 0., 0., 0.]]) 
>>> d.dtype.itemsize 
8 

也可以自己制定数组中元素的类型

>>> ones( (2,3,4), dtype=int16 ) #手动指定数组中元素类型 
   array([[[1, 1, 1, 1], 
　　　    [1, 1, 1, 1], 
　　　    [1, 1, 1, 1]], 
　　　 
　　　    [[1, 1, 1, 1], 
　　　    [1, 1, 1, 1], 
　　　    [1, 1, 1, 1]]], dtype=int16) 
>>> empty((2,3)) 
　　　array([[ 2.65565858e-316,  0.00000000e+000,  0.00000000e+000], 
　　　    [ 0.00000000e+000,  0.00000000e+000,  0.00000000e+000]]) 

NumPy提供一个类似arange的函数返回一个数列形式的数组:

>>> arange(10, 30, 5) 
  array([10, 15, 20, 25]) 

以10开始，差值为5的等差数列。该函数不仅接受整数，还接受浮点参数：　

>>> arange(0,2,0.5) 
  array([ 0. , 0.5, 1. , 1.5]) 

当arange使用浮点数参数时，由于浮点数精度有限，通常无法预测获得的元素个数。因此，最好使用函数linspace去接收我们想要的元素个数来代替用range来指定步长。linespace用法如下，将在通用函数一节中详细介绍。

>>> numpy.linspace(-1, 0, 5) 
    array([-1. , -0.75, -0.5 , -0.25, 0. ]) 

数组中的元素是通过下标来访问的，可以通过方括号括起一个下标来访问数组中单一一个元素，也可以以切片的形式访问数组中多个元素。关于切片访问，将在切片一节介绍。

知识点：NumPy中的数据类型

对于科学计算来说，Python中自带的整型、浮点型和复数类型远远不够，因此NumPy中添加了许多数据类型。如下：

NumPy中的基本数据类型

NumPy中的基本数据类型

名称	描述
bool	用一个字节存储的布尔类型（True或False）
inti	由所在平台决定其大小的整数（一般为int32或int64）
int8	一个字节大小，-128 至 127
int16	整数，-32768 至 32767
int32	整数，-2 ** 31 至 2 ** 32 -1
int64	整数，-2 ** 63 至 2 ** 63 - 1
uint8	无符号整数，0 至 255
uint16	无符号整数，0 至 65535
uint32	无符号整数，0 至 2 ** 32 - 1
uint64	无符号整数，0 至 2 ** 64 - 1
float16	半精度浮点数：16位，正负号1位，指数5位，精度10位
float32	单精度浮点数：32位，正负号1位，指数8位，精度23位
float64或float	双精度浮点数：64位，正负号1位，指数11位，精度52位
complex64	复数，分别用两个32位浮点数表示实部和虚部
complex128或complex	复数，分别用两个64位浮点数表示实部和虚部

NumPy类型转换方式如下：

>>> float64(42) 
  42.0 
>>> int8(42.0) 
  42 
>>> bool(42) 
  True 
>>> bool(42.0) 
  True 
>>> float(True) 
  1.0 

许多函数的参数中可以指定参数的类型，当然，这个类型参数是可选的。如下：

>>> arange(7, dtype=uint16) 
  array([0, 1, 2, 3, 4, 5, 6], dtype=uint16) 

输出数组

当输出一个数组时，NumPy以特定的布局用类似嵌套列表的形式显示：

• 第一行从左到右输出
• 每行依次自上而下输出
• 每个切片通过一个空行与下一个隔开
• 一维数组被打印成行，二维数组成矩阵，三维数组成矩阵列表。　

>>> a = arange(6)             # 1d array 
>>> print a 
  [0 1 2 3 4 5] 
　　　 
>>> b = arange(12).reshape(4,3)      # 2d array 
>>> print b 
  [[ 0 1 2] 
  [ 3 4 5] 
  [ 6 7 8] 
  [ 9 10 11]]　　　 
>>> c = arange(24).reshape(2,3,4)     # 3d array 
>>> print c 
  [[[ 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将在下一篇文章中介绍　

如果一个数组太长，则NumPy自动省略中间部分而只打印两端的数据：　　　

>>> print arange(10000) 
　　　[  0  1  2 ..., 9997 9998 9999] 
　　　 
>>> print arange(10000).reshape(100,100) 
　　　[[  0  1  2 ...,  97  98  99] 
　　　 [ 100 101 102 ..., 197 198 199] 
　　　 [ 200 201 202 ..., 297 298 299] 
　　　 ..., 
　　　 [9700 9701 9702 ..., 9797 9798 9799] 
　　　 [9800 9801 9802 ..., 9897 9898 9899] 
　　　 [9900 9901 9902 ..., 9997 9998 9999]] 

可通过设置printoptions参数来禁用NumPy的这种行为并强制打印整个数组。

set_printoptions(threshold='nan') 

这样，输出时数组的所有元素都会显示出来。

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。

# numpy  # array  # python  # numpy数组操作  # numpy创建数组  # Python Numpy 数组的初始化和基本操作  # numpy自动生成数组详解  # 对numpy中布尔型数组的处理方法详解  # 组中  # 浮点数  # 将在  # 详细介绍  # 都是  # 是一个  # 创建一个  # 第一个  # 多个  # 浮点  # 以此类推  # 而不  # 中元  # 值为  # 多维  # 过程中  # 等差数列  # 文档  # 有鉴于此  # 又是 

相关文章： 如何快速打造个性化非模板自助建站？  企业微网站怎么做,公司网站和公众号有什么区别？  如何通过西部建站助手安装IIS服务器？  如何访问已购建站主机并解决登录问题？  手机钓鱼网站怎么制作视频,怎样拦截钓鱼网站。怎么办？  如何在云服务器上快速搭建个人网站？  相亲简历制作网站推荐大全,新相亲大会主持人小萍萍资料？  建站上传速度慢？如何优化加速网站加载效率？  建站之星备案是否影响网站上线时间？  如何在阿里云ECS服务器部署织梦CMS网站？  建站之星如何一键生成手机站？  招贴海报怎么做,什么是海报招贴？  专业的网站制作设计是什么,如何制作一个企业网站，建设网站的基本步骤有哪些？  济南专业网站制作公司,济南信息工程学校怎么样？  *服务器网站为何频现安全漏洞？  如何通过万网虚拟主机快速搭建网站？  小视频制作网站有哪些,有什么看国内小视频的网站，求推荐？  如何通过IIS搭建网站并配置访问权限？  建站之星2.7模板快速切换与批量管理功能操作指南  微信小程序 input输入框控件详解及实例（多种示例）  Android自定义listview布局实现上拉加载下拉刷新功能  如何选购建站域名与空间？自助平台全解析  如何通过虚拟机搭建网站？详细步骤解析  ppt制作免费网站有哪些,ppt模板免费下载网站？  如何彻底删除建站之星生成的Banner？  哈尔滨网站建设策划,哈尔滨电工证查询网站？  建站主机如何选？高性价比方案全解析  如何在香港免费服务器上快速搭建网站？  香港服务器网站搭建教程-电商部署、配置优化与安全稳定指南  官网自助建站系统：SEO优化+多语言支持，快速搭建专业网站  如何设置并定期更换建站之星安全管理员密码？  建站主机SSH密钥生成步骤及常见问题解答？  定制建站如何定义？其核心优势是什么？  如何高效配置香港服务器实现快速建站？  Python多线程使用规范_线程安全解析【教程】  南京网站制作费用,南京远驱官方网站？  惠州网站建设制作推广,惠州市华视达文化传媒有限公司怎么样？  婚礼视频制作网站,学习*后期制作的网站有哪些？  建站之星IIS配置教程：代码生成技巧与站点搭建指南  南平网站制作公司,2025年南平市事业单位报名时间？  再谈Python中的字符串与字符编码（推荐）  建站之星代理如何优化在线客服效率？  建站之星如何修改网站生成路径？  如何在Golang中实现微服务服务拆分_Golang微服务拆分与接口管理方法  如何在阿里云虚拟机上搭建网站？步骤解析与避坑指南  c# F# 的 MailboxProcessor 和 C# 的 Actor 模型  郑州企业网站制作公司,郑州招聘网站有哪些？  儿童网站界面设计图片,中国少年儿童教育网站-怎么去注册？  高端建站三要素：定制模板、企业官网与响应式设计优化  如何在橙子建站上传落地页？操作指南详解