摘要：在下面的例子中，我們創(chuàng)建了一個(gè)二維數(shù)組并插入了兩列輸出如果沒有使用參數(shù)，則會(huì)輸出這就是數(shù)組結(jié)構(gòu)的扁平化。下面的例子中我們從二維數(shù)組中刪除了一行輸出在方法中，首先給出數(shù)組，然后給出要?jiǎng)h除的元素的索引。數(shù)組被傳遞給函數(shù)。

NumPy 是一個(gè)Python 庫，用于 Python 編程中的科學(xué)計(jì)算。在本教程中，你將學(xué)習(xí)如何在 NumPy 數(shù)組上以多種方式添加、刪除、排序和操作元素。

NumPy 提供了一個(gè)多維數(shù)組對(duì)象和其他派生數(shù)組，例如掩碼數(shù)組和掩碼多維數(shù)組。

NumPy 提供了一個(gè) ndarray 對(duì)象，可以使用它來對(duì)任何維度的數(shù)組進(jìn)行操作。 ndarray 代表 N 維數(shù)組，其中 N 是任意數(shù)字。這意味著 NumPy 數(shù)組可以是任何維度的。

與 Python 的 List 相比，NumPy 具有許多優(yōu)勢。我們可以在 NumPy 陣列上執(zhí)行高性能操作，例如：

對(duì)數(shù)組成員進(jìn)行排序

數(shù)學(xué)和邏輯運(yùn)算

輸入/輸出功能

統(tǒng)計(jì)和線性代數(shù)運(yùn)算

要安裝NumPy，你的電腦上要先有 Python 和 Pip。

在終端中運(yùn)行以下命令：

pip install numpy

然后你就可以在腳本中導(dǎo)入 NumPy 了，如下所示：

import numpy

可以用 NumPy 模塊的 append() 方法向 NumPy 數(shù)組中添加元素。

append() 的語法如下：

numpy.append(array, value, axis)

value 會(huì)被追加到在數(shù)組的末尾，并返回一個(gè)包含所有元素的 ndarray。

參數(shù) axis 是一個(gè)可選的整數(shù)，用于定義數(shù)組的顯示方式。如果沒有指定，則數(shù)組結(jié)構(gòu)將展平，稍后會(huì)演示用法。

以下示例，其中首先聲明數(shù)組，然后用 append 方法向數(shù)組添加更多的值：

import numpy
a = numpy.array([1, 2, 3])
newArray = numpy.append (a, [10, 11, 12])
print(newArray)
# 輸出：[ 1  2  3 10 11 12]

也可以用NumPy 的 append() 方法插入一列。

在下面的例子中，我們創(chuàng)建了一個(gè)二維數(shù)組并插入了兩列：

import numpy

a = numpy.array([[1, 2, 3], [4, 5, 6]]) 
b = numpy.array([[400], [800]])
newArray = numpy.append(a, b, axis = 1)
print(newArray)

"""
輸出：
[[  1   2   3 400]
 [  4   5   6 800]]
"""

如果沒有使用 axis 參數(shù)，則會(huì)輸出：

[  1   2   3   4   5   6 400 800]

這就是數(shù)組結(jié)構(gòu)的扁平化。

在 NumPy 中，還可以用 insert() 方法插入元素或列。 兩者之間的區(qū)別在于 insert() 方法可以指定要在哪個(gè)索引處添加元素，但 append() 方法會(huì)在數(shù)組的末尾添加一個(gè)值。

Consider the example below:
考慮以下示例：

import numpy
a = numpy.array([1, 2, 3])
newArray = numpy.insert(a, 1, 90) 
print(newArray)
# 輸出：[ 1 90  2  3]

這里 insert() 方法在索引1處添加元素。在Python中數(shù)組索引從0開始。

也可以用 append() 方法向數(shù)組添加行，就像在數(shù)組中附加元素一樣簡單：

import numpy
a = numpy.array([[1, 2, 3], [4, 5, 6]])
newArray = numpy.append(a, [[50, 60, 70]], axis = 0)
print(newArray)
"""
輸出“
[[ 1  2  3]
 [ 4  5  6]
 [50 60 70]]
"""

可以用 NumPy 模塊的 delete() 方法刪除 NumPy 數(shù)組元素：

import numpy 
a = numpy.array([1, 2, 3]) 
newArray = numpy.delete(a, 1, axis = 0) 
print(newArray)
# 輸出：[1 3]

在本例子中，我們有一個(gè)一維數(shù)組，用 delete() 方法從數(shù)組中刪除了索引 1 處的元素。

同樣，你也可以用 delete() 方法刪除行。

下面的例子中我們從二維數(shù)組中刪除了一行：

import numpy 
a = numpy.array([[1, 2, 3], [4, 5, 6], [10, 20, 30]]) 
newArray = numpy.delete(a, 1, axis = 0)
print(newArray)
"""
輸出：
[[ 1  2  3]
 [10 20 30]]
"""

在 delete() 方法中，首先給出數(shù)組，然后給出要?jiǎng)h除的元素的索引。在上例中，我們刪除了索引為 1 的元素。

可以用 size 方法返回?cái)?shù)組中元素的總數(shù)。

在下面的例子中有一個(gè) if 語句，通過 ndarray.size 檢查數(shù)組中是否有元素，其中 ndarray 可以是任何給定的 NumPy 數(shù)組：

import numpy

a = numpy.array([1, 2, 3]) 
if(a.size == 0): 
    print("The given Array is empty") 
else: 
    print("The array = ", a)
# 輸出：The array =  [1 2 3]

在上面的代碼中，數(shù)組中有三個(gè)元素，因此它不是空的，判斷條件將返回false。如果數(shù)組中沒有元素，則 if 條件會(huì)變?yōu)?true 并且將打印空消息。如果數(shù)組等于：

a = numpy.array([])

上述代碼將會(huì)輸出：

The given Array is empty

要查找值對(duì)應(yīng)的索引，可以用 NumPy 模塊的 where() 方法，如下例所示：

import numpy
a = numpy.array([1, 2, 3, 4, 5])
print("5 is found at index: ", numpy.where(a == 5))
# 輸出：5 is found at index:  (array([4]),)

如果你只想得到索引，可以這樣寫：

import numpy

a = numpy.array([1, 2, 3, 4, 5]) 
index = numpy.where(a == 5)
print("5 is found at index: ", index[0])
#輸出： 5 is found at index:  [4]

數(shù)組切片是從給定數(shù)組中提取子集的過程。你可以用冒號(hào)（ : ）運(yùn)算符對(duì)數(shù)組進(jìn)行切片，并指定數(shù)組索引的開始和結(jié)束位置，例如：

array[from:to]

下面的例子中提取從索引 2 到索引 5 的元素：

import numpy
a = numpy.array([1, 2, 3, 4, 5, 6, 7, 8])
print("A subset of array a = ", a[2:5])
# 輸出：A subset of array a =  [3 4 5]

如果想要提取最后三個(gè)元素，可以通過用負(fù)切片來完成操作，如下所示：

import numpy
a = numpy.array([1, 2, 3, 4, 5, 6, 7, 8])
print("A subset of array a = ", a[-3:])
# 輸出：A subset of array a =  [6 7 8]

在下面的例子中，我們將創(chuàng)建一個(gè) lambda 函數(shù)，并傳入一個(gè)數(shù)組，以其應(yīng)用于所有元素：

import numpy
addition = lambda x: x + 2
a = numpy.array([1, 2, 3, 4, 5, 6])
print("Array after addition function: ", addition(a))
# 輸出：Array after addition function:  [3 4 5 6 7 8] 

在此例中，創(chuàng)建了一個(gè) lambda 函數(shù)，它使每個(gè)元素都遞增 2。

要得到 NumPy 數(shù)組的長度，可以用 size 屬性，如下所示：

import numpy 
a = numpy.array([1, 2, 3, 4, 5, 6]) 
print("The size of array = ", a.size)
# 輸出：The size of array =  6

假設(shè)你有一個(gè)列表：

l = [1, 2, 3, 4, 5]

現(xiàn)在要根據(jù)這個(gè)列表創(chuàng)建一個(gè)數(shù)組，可以用 NumPy 模塊的 array() 方法：

import numpy 
l = [1, 2, 3, 4, 5] 
a = numpy.array(l) 
print("The NumPy array from Python list = ", a)
# 輸出：The NumPy array from Python list =  [1 2 3 4 5]

同樣，使用 array() 方法，也可以從元組創(chuàng)建 NumPy 數(shù)組。如下所示：

import numpy
t = (1, 2, 3, 4, 5) 
a = numpy.array(t) 
print("The NumPy array from Python Tuple = ", a)
# 輸出：The NumPy array from Python Tuple =  [1 2 3 4 5]

要將數(shù)組轉(zhuǎn)換為list，可以使用 NumPy 模塊的 tolist()方法。

import numpy 
a = numpy.array([1, 2, 3, 4, 5]) 
print("Array to list = ", a.tolist())
# 輸出：Array to list =  [1, 2, 3, 4, 5]

在這段代碼中，我們簡單地調(diào)用了 tolist() 方法，該方法將數(shù)組轉(zhuǎn)換為列表。然后將新創(chuàng)建的列表打印到輸出屏幕。

要將數(shù)組導(dǎo)出為 CSV 文件，可以用 NumPy 模塊的 savetxt() 方法，如下所示：

import numpy 
a = numpy.array([1, 2, 3, 4, 5]) 
numpy.savetxt("myArray.csv", a)

此代碼將在 Python 代碼文件所在路徑下生成 CSV 文件。當(dāng)然你也可以指定路徑。

該文件的內(nèi)容如下：

1.000000000000000000e+00
2.000000000000000000e+00
3.000000000000000000e+00
4.000000000000000000e+00
5.000000000000000000e+00

你可以把額外填充的零刪除，如下所示：

numpy.savetxt("myArray.csv", a,fmt="%.2f")

可以用 NumPy 模塊的 sort() 方法對(duì) NumPy 數(shù)組進(jìn)行排序：

sort() 函數(shù)有一個(gè)可選參數(shù) axis（整數(shù)），默認(rèn)為 -1。axis 指定我們要對(duì)數(shù)組進(jìn)行排序的軸。 -1 表示將根據(jù)最后一個(gè)軸對(duì)數(shù)組進(jìn)行排序。

import numpy 
a = numpy.array([16, 3, 2, 6, 8, 10, 1]) 
print("Sorted array = ", numpy.sort(a))
# 輸出：Sorted array =  [ 1  2  3  6  8 10 16]

在這個(gè)例子中，我們?cè)?print 語句中調(diào)用了 sort() 方法。數(shù)組 a 被傳遞給 sort 函數(shù)。

歸一化數(shù)組是指將數(shù)組的值置于某個(gè)定義范圍的過程。例如，我們想要在 -1 和 1 之間對(duì)數(shù)組進(jìn)行歸一化，依此類推。

歸一化的公式如下：

x = (x – xmin) / (xmax – xmin)

現(xiàn)在把這個(gè)公式用于我們的數(shù)組。要查找數(shù)組中的最大和最小項(xiàng)，可以分別用 NumPy 的 max() 和 min() 方法。

import numpy 
x= numpy.array([400, 800, 200, 700, 1000, 2000, 300]) 
xmax = x.max() 
xmin = x.min() 
x = (x - xmin)/(xmax - xmin) 
print("After normalization array x = 
", x)
"""
輸出：
After normalization array x =
 [0.11111111 0.33333333 0.         0.27777778 0.44444444 1.
 0.05555556]
"""

索引指向數(shù)組中的一個(gè)元素。在下面的例子中，分別用到了一維和二維數(shù)組中的索引：

import numpy 
a = numpy.array([20, 13, 42, 86, 81, 9, 11]) 
print("Element at index 3 = ", a[3])
# 輸出：Element at index 3 =  86

下面是二維數(shù)組：

import numpy 
a = numpy.array([[20, 13, 42], [86, 81, 9]]) 
print("Element at index a[1][2] = ", a[1][2])
# 輸出：Element at index a[1][2] =  9

索引 [1][2] 表示第二行和第三列（索引從 0 開始）。因此在屏幕上輸出 9 。

可以用 append() 方法將 NumPy 數(shù)組附加到另??一個(gè) NumPy 數(shù)組上。

import numpy 
a = numpy.array([1, 2, 3, 4, 5]) 
b = numpy.array([10, 20, 30, 40, 50]) 
newArray = numpy.append(a, b) 
print("The new array = ", newArray)
# 輸出：The new array =  [ 1  2  3  4  5 10 20 30 40 50]

在此例中，創(chuàng)建兩個(gè) NumPy 數(shù)組 a， b 。然后把兩個(gè)數(shù)組傳給 append()。當(dāng)數(shù)組 b 作為第二個(gè)參數(shù)傳遞時(shí)，將被添加到數(shù)組 a 的末尾。

正如大家所見，NumPy 數(shù)組用起來非常簡單。在使用很多機(jī)器學(xué)習(xí)庫時(shí)，NumPy 數(shù)組非常重要?？梢哉fNumPy 是人工智能的大門。