在之前的生信分析方向如何系統入門python3推文最后，我們提到了python有很多好用的模塊和加載包，也正因為這些，所以才使得python能夠靈活多場景處理分析。

整合最近學習的一些內容，借以 Jay Alammar的博客，就來介紹一下其中一個基礎數據處理包 NumPy吧。

今天的推送大綱如下：

不難發現，Numpy主要用于數據分析，整體的模式有點類似于小型的R，在讀取和處理數據上略占優勢，但是R的強大在于其統計分析和可視化。融會貫通，哪哪都好。

一開始使用 Numpy只是想簡單使用它的內置函數，比如判斷一下序列長度最大值呀，或者計算一下樣本數據的均值等。收集資料發現其中還有不少有意思的東西。

基本用法

既然是一個包那就要載入：

import?numpy?as?np

構建基本數據結構：

數組

# 構建數組
np.array([1,2,3])
np.ones(3)
np.random.random(3)

矩陣
與數組的構建寫法相同，但是不同的是矩陣可以包含二維關系，同樣包含ones()、zeros() 和 random.random() 快速方法，即

# 構建矩陣

np.array([[1,2],[3,4]])np.zeros((3,2))

更多維度
矩陣和向量的任意維度結構

ndarraynp.array([[1,2],[3,4]],[[5,6],[7,8]])

運算

基本運算
數組運算的規則是一一對應進行計算，例如加減乘除。

我們在之前函數中介紹過一種函數，可以快速對列表中的每一個元素進行計算，而在 Numpy中只需對 data * 1.6即可。

矩陣的運算有點類似上面的方式，稱為 broadcasting，若不滿足相同的維度，則會自動補齊進行計算。

點乘
除了上述的廣播式計算方法外，NumPy為每個矩陣提供一個dot()方法，即分別進行計算，示例如下：

具體的計算方法如下：

索引
類似于列表的切片，對于Numpy數組的任意位置進行索引：

矩陣的索引使用二維的方式展示，以?，分割對應橫縱軸：

數據聚合
在這一部分，數組和矩陣便可以快速計算其最大值data.max()、最小值data.max()、均值data.min()、標準差data.std()、求和data.sum()等。

值得一提的是，在矩陣聚合中，有一個參數 axis支持跨行或者跨列聚合：在圖中可以形象的理解為 axis=0為豎向計算， axis=1 為橫向計算，即最外面的括號代表著 axis=0，依次往里的括號對應的 axis 的計數就依次加 1。

轉置
有時候為了可視化的需求，我們會在excel或者R語言中使用轉置的功能。當然python不能落下，使用也相當簡單data.T

而在更高級的場景下，你可能需要對矩陣轉變為特定的維度，這樣你就需要使用 data.reshape()來實現了。

是不是越來越像excel了，關于二維矩陣的介紹，還有一個更有用的包 pandas 值得學習。

高階用法

除了向量和舉證支持運算外，公式的使用也是 NumPy 成為寵兒的原因之一。例如在解決回歸問題中監督式機器學習的核心公式：均方差公式

在 Nmupy中體現為，值得注意的是對于 predictions 和 labels可以任意多個值，我們可以根據圖形依次追蹤計算：

1

2

3

4

最終可以獲得的預測的誤差值和模型評分。

更多應用

時間序列和音樂

例如以下的一段音頻文件(一維數組)，存入Numpy，那么就可以通過切片進行音頻分割和定位。

CD 質量的音頻每秒包含 44,100 個樣本，每個樣本是-65535 到 65536 之間的整數。這意味著如果你有一個 10 秒的 CD 質量 WAVE 文件，你可以將它加載到長度為 10 * 44,100 = 441,000 的 NumPy 數組中。

圖像

圖像是尺寸(高度 x 寬度)的像素矩陣。

舉個例子：

如果是黑白(即灰度)，那么就可以以上圖的形式展示，如果是彩色(RGB)三個數字代表紅綠藍，因此需要我們在之前提到的ndarray

語言

語言的處理就相對于復雜，這里就簡單地過一下的大概的原理，首先需要構建一個數據集：

然后根據詞云(單詞或單詞的一部分)劃分獲得token數組：

然后我們替換其中的每一個詞，使用我們自己構建的數據集：

但是這些ID并未對模型提供太多信息，需要使用50維word2vec進行替換(So before feeding a sequence of words to a model, the tokens/words need to be replaced with their embeddings (50 dimension word2vec embedding in this case):)

然后你就得到了一個維度為 [embedding_dimension x sequence_length]的數組。

出于性能原因，深度學習模型傾向于保留批大小的第一維(因為如果并行訓練多個示例，模型訓練速度會加快)。在這種情況下，reshape() 變得非常有用。如像 BERT 這樣的模型期望的輸入形式是：[batch_size，sequence_length，embedding_size]。

一點注意

Numpy庫都要準備放棄支持python2(最后一個版本LTS 版支持到2019年12月31日)，快來一起加入python3的學習吧~

猜你喜歡

?三劍客 PyCharm使用??|?編程基礎與規范代碼?|?列表使用?

?元組拆包是個啥？|?字典與FASTA文件序列抽提?

如何判斷序列是否跨過剪切位點?|?python3 腳本小實戰

爬蟲小測試?|?函數入門

如何優雅的數月餅?|為什么要使用函數

NCBI的文獻搜索與影響因子和分區

類與對象

號外：生信技能樹全國巡講11月在福州和上海，點擊了解報名哈：(福州、上海見！)全國巡講第19-20站(生信入門課加量不加價)

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的python3.7对应的numpy版本_图解NumPy包一文就够了的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。