Numpy使用02
numpy数组的运算
不用编写循环就可以实现对数据批量运算,Numpy用户称为:矢量化。大小相同的数组之间的任何算数运算都可以将运算应用到元素级:
import numpy as np
arr = np.array([[1,2,3],[3,4,5]])
arr
array([[1, 2, 3],
[3, 4, 5]])
# 执行算术运算
arr * arr
array([[ 1, 4, 9],
[ 9, 16, 25]])
arr ** arr
array([[ 1, 4, 27],
[ 27, 256, 3125]], dtype=int32)
# 大小相同的数组之间的比较会产生布尔值数组
arr1 = np.array([[2,3,4],[3,2,1]])
arr1 > arr
array([[ True, True, True],
[False, False, False]])
不同大小的数组之间的运算叫做广播
索引和切片
跟列表最重要的区别在于,数组切⽚是原始数组的视图。这意味着数据不会被复制,视图上的任何修改都会直接反映到源数组上。
当你将⼀个标量值赋值给⼀个切⽚时(如arr[5:8]=12),该值会⾃动传播(也就说后⾯将会讲到的“⼴播”)到整个选区。
arr = np.arange(10)
arr
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
arr_slice = arr[5:8]
arr_slice
array([5, 6, 7])
arr_slice[:] = 64
arr
array([ 0, 1, 2, 3, 4, 64, 64, 64, 8, 9])
arr_slice
array([64, 64, 64])
由于NumPy
的设计⽬的是处理⼤数据,所以你可以想象⼀下,假如NumPy
坚持要将数据复制来复制去的话会产⽣何等的性能和内存问题。
对于⾼维度数组,能做的事情更多。在⼀个⼆维数组中,各索引位置上的元素不再是标量⽽是⼀维数组:
arr2 = np.array([[[1,2,3],
[2,3,4]],
[[3,4,5],
[4,5,6]]])
arr2.shape
(2, 2, 3)
# 可以对各个元素进行递归访问,也可以使用索引列表来进行访问
arr2[0][0][0]
1
arr2[0,0,0]
1
arr2[0]
array([[1, 2, 3],
[2, 3, 4]])
data = np.random.randn(5, 5)
data.mean()
0.3587944495686687
data.std()
0.8490873700187817
布尔型索引
names = np.array(['xiao','zeng','zhang','liu','lili'])
names
array(['xiao', 'zeng', 'zhang', 'liu', 'lili'], dtype='<U5')
names == 'xiao'
array([ True, False, False, False, False])
# 这个产生的布尔数组可以用于数组索引
data[names == 'xiao']
array([[ 0.70902 , 0.12835622, -0.10731375, 0.17201327, -1.12689436]])
布尔型数组的⻓度必须跟被索引的轴⻓度⼀致。此外,还可以将布尔型数组跟切⽚、整数混合使⽤:
# 选取names == 'xiao'的行,同时索引了列
data[names == 'xiao', 2:]
array([[-0.10731375, 0.17201327, -1.12689436]])
要选择除"Bob"以外的其他值,既可以使⽤不等于符号(!=),也可以通过~对条件进⾏否定:
names != 'xiao'
array([False, True, True, True, True])
data[~(names != 'xiao')]
array([[ 0.70902 , 0.12835622, -0.10731375, 0.17201327, -1.12689436]])
通过布尔型索引选取数组中的数据,将总是创建数据的副本,即使返回⼀模⼀样的数组也是如此。
通过布尔型数组设置值是⼀种经常⽤到的⼿段。为了将data中的所有负值都设置为0,我们只需:
data[data < 0] = 0
data
array([[0.70902 , 0.12835622, 0. , 0.17201327, 0. ],
[0.06219114, 1.23528266, 0. , 0.5344566 , 1.05603675],
[1.05532396, 1.99560409, 1.44444832, 0.44811772, 0. ],
[1.6811567 , 0. , 0.4331555 , 0. , 0.73461594],
[0. , 0.88400999, 0.10480376, 0.65949918, 0.44154703]])
花式索引
花式索引(Fancy indexing)是⼀个NumPy术语,它指的是利⽤整数数组进⾏索引。
arr = np.empty((8,4))
arr
array([[6.95248686e-310, 6.95248686e-310, 1.03320693e-311,
6.95248686e-310],
[1.03320693e-311, 1.03320693e-311, 6.95248686e-310,
1.03320693e-311],
[6.95248686e-310, 6.95248686e-310, 1.03320693e-311,
1.03320693e-311],
[1.03320693e-311, 6.95248686e-310, 1.03320693e-311,
6.95248686e-310],
[1.03320693e-311, 6.95248686e-310, 1.03320693e-311,
1.03320693e-311],
[6.95248686e-310, 6.95248686e-310, 6.95248686e-310,
1.03320693e-311],
[6.95248686e-310, 1.03320693e-311, 6.95248686e-310,
1.03320693e-311],
[6.95248686e-310, 1.03320693e-311, 1.03320693e-311,
1.03320693e-311]])
for i in range(8):
arr[i] = i
arr
array([[0., 0., 0., 0.],
[1., 1., 1., 1.],
[2., 2., 2., 2.],
[3., 3., 3., 3.],
[4., 4., 4., 4.],
[5., 5., 5., 5.],
[6., 6., 6., 6.],
[7., 7., 7., 7.]])
以特定顺序选取⾏⼦集,只需传⼊⼀个⽤于指定顺序的整数列表或ndarray即可:
arr[[4, 3, 0, 6]]
array([[4., 4., 4., 4.],
[3., 3., 3., 3.],
[0., 0., 0., 0.],
[6., 6., 6., 6.]])
arr[[-3, -5, -7]]
array([[5., 5., 5., 5.],
[3., 3., 3., 3.],
[1., 1., 1., 1.]])
⼀次传⼊多个索引数组会有⼀点特别。它返回的是⼀个⼀维数组,其中的元素对应各个索引元组
arr = np.arange(32).reshape(8,4)
arr
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, 27],
[28, 29, 30, 31]])
arr[[1, 5, 7, 2], [0, 3, 1, 2]]
array([ 4, 23, 29, 10])
最终选出来的元素是:(1, 0), (5, 3), (7, 1), (2, 2).
不论数组是多少维的, 花式索引总是一维的。
# 可能上述结果与自己想象中的不一样,但实际上,可以通过如下方法,得到你要的
arr[[1, 5, 7, 2]][:,[0, 3, 1, 2]]
array([[ 4, 7, 5, 6],
[20, 23, 21, 22],
[28, 31, 29, 30],
[ 8, 11, 9, 10]])
数组的转置操作
转置操作是重塑的一种特殊形式, 他返回的是源数据的视图(不会进行任何的复制操作)
数组不仅仅有transpose方法, 还有一个.T属性
arr = np.arange(15).reshape(3, 5)
arr
array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14]])
# 转置操作
arr.T
array([[ 0, 5, 10],
[ 1, 6, 11],
[ 2, 7, 12],
[ 3, 8, 13],
[ 4, 9, 14]])
# 再进行矩阵计算的时候, 会经常使用到这个操作。
# 计算内积
np.dot(arr.T, arr)
array([[125, 140, 155, 170, 185],
[140, 158, 176, 194, 212],
[155, 176, 197, 218, 239],
[170, 194, 218, 242, 266],
[185, 212, 239, 266, 293]])
高维数组转置
对于⾼维数组,transpose需要得到⼀个由轴编号组成的元组才能对这些轴进⾏转置(⽐较费脑⼦):
arr = np.arange(16).reshape((2, 2, 4))
arr
array([[[ 0, 1, 2, 3],
[ 4, 5, 6, 7]],
[[ 8, 9, 10, 11],
[12, 13, 14, 15]]])
arr.transpose((1, 0, 2))
array([[[ 0, 1, 2, 3],
[ 8, 9, 10, 11]],
[[ 4, 5, 6, 7],
[12, 13, 14, 15]]])
简单的转置可以使⽤.T,它其实就是进⾏轴对换⽽已。
# ndarray还有一个swapaxes方法,他需要一对轴编号
arr
array([[[ 0, 1, 2, 3],
[ 4, 5, 6, 7]],
[[ 8, 9, 10, 11],
[12, 13, 14, 15]]])
# swapaxes也是返回源数据的视图(不会进⾏任何复制操作)
arr.swapaxes(1, 2)
array([[[ 0, 4],
[ 1, 5],
[ 2, 6],
[ 3, 7]],
[[ 8, 12],
[ 9, 13],
[10, 14],
[11, 15]]])
通用函数
通⽤函数(即ufunc)是⼀种对ndarray中的数据执⾏元素级运算的函数。
arr = np.arange(10)
arr
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
# 开方
np.sqrt(arr)
array([0. , 1. , 1.41421356, 1.73205081, 2. ,
2.23606798, 2.44948974, 2.64575131, 2.82842712, 3. ])
# 指数运算
np.exp(arr)
array([1.00000000e+00, 2.71828183e+00, 7.38905610e+00, 2.00855369e+01,
5.45981500e+01, 1.48413159e+02, 4.03428793e+02, 1.09663316e+03,
2.98095799e+03, 8.10308393e+03])
x = np.random.randn(8)
y = np.random.randn(8)
np.maximum(x, y)
array([ 1.03157835, -0.29230895, 2.77475606, 1.55604276, -0.91644659,
2.08410919, 0.81804035, 1.11546013])
numpy.maximum计算了x和y中元素级别最大的元素
np.square(2)
4
NumPy数组可以将许多种数据处理任务表述为简洁的数组表达式(否则需要编写循环)。⽤数组表达式代替循环的做法,通常被称为⽮量化。⼀般来说,⽮量化数组运算要⽐等价的纯Python⽅式快上⼀两个数量级(甚⾄更多),尤其是各种数值计
算。
points = np.arange(-5, 5, 0.01) # 1000 equally spaced points
xs, ys = np.meshgrid(points, points)
ys
array([[-5. , -5. , -5. , ..., -5. , -5. , -5. ],
[-4.99, -4.99, -4.99, ..., -4.99, -4.99, -4.99],
[-4.98, -4.98, -4.98, ..., -4.98, -4.98, -4.98],
...,
[ 4.97, 4.97, 4.97, ..., 4.97, 4.97, 4.97],
[ 4.98, 4.98, 4.98, ..., 4.98, 4.98, 4.98],
[ 4.99, 4.99, 4.99, ..., 4.99, 4.99, 4.99]])
z = np.sqrt(xs ** 2 + ys ** 2)
z
array([[7.07106781, 7.06400028, 7.05693985, ..., 7.04988652, 7.05693985,
7.06400028],
[7.06400028, 7.05692568, 7.04985815, ..., 7.04279774, 7.04985815,
7.05692568],
[7.05693985, 7.04985815, 7.04278354, ..., 7.03571603, 7.04278354,
7.04985815],
...,
[7.04988652, 7.04279774, 7.03571603, ..., 7.0286414 , 7.03571603,
7.04279774],
[7.05693985, 7.04985815, 7.04278354, ..., 7.03571603, 7.04278354,
7.04985815],
[7.06400028, 7.05692568, 7.04985815, ..., 7.04279774, 7.04985815,
7.05692568]])
import matplotlib.pyplot as plt
plt.imshow(z, cmap=plt.cm.gray); plt.colorbar()
plt.title("Image plot of $\sqrt{x^2 + y^2}$ for a grid of values")
Text(0.5, 1.0, 'Image plot of $\\sqrt{x^2 + y^2}$ for a grid of values')
用于布尔数组的方法
arr = np.random.randn(100)
(arr > 0).sum() # 统计正数值的个数
47
any()和all()方法
any()用于检测数组中是否存在一个或者多个True, all()用于检测数组中所有的值是否都是True
bools = np.array([False, False, True, True, False])
bools.any()
True
bools.all()
False
排序
Numpy数组可以通过sort方法进行排序
print(np.random.randn(10).sort())
None
arr = np.random.randn(10)
arr.sort()
arr
array([-1.9227681 , -0.87893899, -0.69759408, -0.39209399, 0.75957655,
0.97596031, 1.00763634, 1.05315874, 1.09735182, 1.46630886])
多维度数组可以再任何一个轴上进行排序,将轴编号传递给sort
arr = np.random.randn(5, 3)
arr
array([[-0.05231919, -0.64989375, 0.72685241],
[-0.4338584 , -0.73782085, -0.30604027],
[ 0.45229578, 0.12069083, 0.65669421],
[-0.57799688, -0.93550434, -1.99844601],
[ 1.59897264, 0.5119599 , -1.93736217]])
arr.sort(1)
arr
array([[-0.64989375, -0.05231919, 0.72685241],
[-0.73782085, -0.4338584 , -0.30604027],
[ 0.12069083, 0.45229578, 0.65669421],
[-1.99844601, -0.93550434, -0.57799688],
[-1.93736217, 0.5119599 , 1.59897264]])
*⽅法np.sort返回的是数组的已排序副本,⽽就地排序则会修改数组本身。计算数组分位数最简单的办法是对其进⾏排序,然后选取特定位置的值:
唯一化
针对一维数组的基本集合运算,最长用的就是:np.unique,他用于找出数组中的唯一值,同时返回已经排序的结果
arr = np.array((1, 1, 3, 4, 5, 5, 5, 6, 6, 7))
np.unique(arr)
array([1, 3, 4, 5, 6, 7])
sorted(set(arr))
[1, 3, 4, 5, 6, 7]
函数np.in1d⽤于测试⼀个数组中的值在另⼀个数组中的成员资格,返回⼀个布尔型数组:
values = np.array([6, 0, 0, 3, 2, 5, 6])
np.in1d(values, [2, 3, 6])
array([ True, False, False, True, True, False, True])
用于数组的文件输入输出
NumPy能够读写磁盘上的⽂本数据或⼆进制数据。np.save和np.load是读写磁盘数组数据的两个主要函数。默认情
况下,数组是以未压缩的原始⼆进制格式保存在扩展名为.npy的⽂件中的:
arr = np.arange(10)
np.save('some_array', arr)
np.load('some_array.npy')
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
通过np.savez可以将多个数组保存到⼀个未压缩⽂件中,将数组以关键字参数的形式传⼊即可:
np.savez('array_archive.npz', a = arr, b = arr)
加载.npz⽂件时,你会得到⼀个类似字典的对象,该对象会对各
个数组进⾏延迟加载:
arch = np.load('array_archive.npz')
# 使用numpy.savez_compressed.npz()
np.savez_compressed('array_compressed.npz', arr)
线性代数
x.dot(y)相当于 np.dot(x, y)
numpy.linalg中有⼀组标准的矩阵分解运算以及诸如求逆和⾏列
式之类的东⻄。它们跟MATLAB和R等语⾔所使⽤的是相同的⾏
业标准线性代数库,如BLAS、LAPACK、Intel MKL(Math
Kernel Library,可能有,取决于你的NumPy版本)等:
from numpy.linalg import inv, qr
x = np.random.randn(5, 5)
mat = x.T.dot(x)
inv(mat)
array([[ 3.78993038, -2.31907465, -1.89085455, -0.23658529, -0.79725393],
[-2.31907465, 2.38770406, 0.8332225 , 0.4303317 , 0.23327152],
[-1.89085455, 0.8332225 , 1.42981316, 0.15209649, 0.87887263],
[-0.23658529, 0.4303317 , 0.15209649, 0.40301234, 0.16143467],
[-0.79725393, 0.23327152, 0.87887263, 0.16143467, 0.83002176]])
mat.dot(inv(mat))
array([[ 1.00000000e+00, 1.65398246e-17, -8.02190954e-16,
-1.16581206e-16, -2.47483443e-16],
[ 4.25597955e-16, 1.00000000e+00, -2.73011620e-16,
-3.88963944e-17, 1.44400437e-16],
[ 4.35129850e-16, -4.92848896e-16, 1.00000000e+00,
1.01451209e-16, 3.11993913e-16],
[-3.68142027e-16, 2.95272796e-16, 2.50284243e-16,
1.00000000e+00, -2.98913253e-17],
[-8.74528484e-16, -4.73167621e-16, -2.22459730e-16,
-6.75494951e-17, 1.00000000e+00]])
# qr分解操作
q, r = qr(mat)
r
array([[ -5.69298997, -2.92024922, -10.50739866, 1.57730475,
6.53703433],
[ 0. , -1.82064519, 3.9333861 , 3.85676364,
-4.96368589],
[ 0. , 0. , -1.21360022, 0.73417752,
1.85954433],
[ 0. , 0. , 0. , -1.90606856,
0.54424417],
[ 0. , 0. , 0. , 0. ,
0.67768289]])
伪随机数生成
numpy.random模块对Python内置的random进⾏了补充,增加了
⼀些⽤于⾼效⽣成多种概率分布的样本值的函数。例如,你可以
⽤normal来得到⼀个标准正态分布的4×4样本数组:
samples = np.random.normal(size=(4,4))
samples
array([[-0.81886679, -0.61556353, 1.3763956 , -1.28563408],
[-0.68575698, -1.34565189, 1.66916661, -0.36784602],
[-0.19165034, 0.83448014, -1.52353481, 0.63099716],
[ 0.65169991, -1.10422473, 2.0830342 , 0.48158532]])
python的内置模块一次产生一个样本值, 下面进行效率比较
from random import normalvariate
N = 1000000
%timeit samples = [normalvariate(0, 1) for _ in range(N)]
%timeit np.random.normal(size=N)
687 ms ± 1.74 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
24.4 ms ± 141 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)
这些都是伪随机数,是因为它们都是通过算法基于随机数
⽣成器种⼦,在确定性的条件下⽣成的。可以⽤NumPy的
np.random.seed更改随机数⽣成种⼦:
np.random.seed(1234)
numpy.random的数据生成使用了全局的随机种子。要避免全局状态,可以使用random.RandomState,创建一个与他隔离的随机数生成器。
rng = np.random.RandomState(1234)
rng.randn(10)
array([-0.20264632, -0.65596934, 0.19342138, 0.55343891, 1.31815155,
-0.46930528, 0.67555409, -1.81702723, -0.18310854, 1.05896919])
随机漫步
模拟随机漫步来说明如何运⽤数组运算。先来看⼀个简
单的随机漫步的例⼦:从0开始,步⻓1和-1出现的概率相等。
# 通过内置的random模块以纯python的方式实现1000步的随机漫步
import random
position = 0
walk = [position]
steps = 1000
for i in range(steps):
step = 1 if random.randint(0, 1) else -1
position += step
walk.append(position)
# 随机漫步值生成的折线图
plt.plot(walk[:])