導(dǎo)讀：本文讓你快速了解一下如何開始使用NumPy。一旦你熟悉了NumPy，就會發(fā)現(xiàn)Python世界中的大多數(shù)科學(xué)計算都是圍繞NumPy構(gòu)建的。因此花在NumPy上的學(xué)習(xí)時間最終對你是有益的。

作者：阿迪蒂亞·夏爾馬（Aditya Sharma）、維什韋什·拉維·什里馬利（Vishwesh Ravi Shrimali）、邁克爾·貝耶勒（Michael Beyeler）

來源：大數(shù)據(jù)DT（ID：hzdashuju）

如果你已經(jīng)安裝了Anaconda，那么就假設(shè)你已經(jīng)在虛擬環(huán)境中安裝了NumPy。如果你使用過Python的標(biāo)準(zhǔn)發(fā)行版或任何其他發(fā)行版，你可以訪問

http://www.numpy.org

并按照所提供的安裝說明進(jìn)行操作。

01?導(dǎo)入NumPy

一旦啟動了一個新的IPython或者Jupyter會話，就可以導(dǎo)入Numpy模塊并按照以下步驟來驗證版本：

import?numpy numpy.__version__

輸出結(jié)果：

1.15.4

提示：記得在Jupyter Notebook中，鍵入命令后，你可以按下Ctrl+Enter，以執(zhí)行一個單元格。或者，按下Shift+Enter以執(zhí)行單元格，并自動插入或者選擇該單元格下面的單元格。依次單擊Help | Keyboard Shortcut以檢查所有的鍵盤快捷鍵，或者依次單擊Help | User Interface Tour以進(jìn)行快速瀏覽。

此處討論的部分包，建議使用NumPy 1.8版本或后續(xù)版本。按照慣例，你會發(fā)現(xiàn)在科學(xué)Python領(lǐng)域中，大多數(shù)人導(dǎo)入NumPy都會使用np作為別名：

import?numpy?as?np np.__version__

輸出結(jié)果：

1.15.4

02 理解NumPy數(shù)組

Python是一種弱類型的語言。這就意味著，你無論何時創(chuàng)建一個新變量，都不必指定數(shù)據(jù)類型。例如，下面的內(nèi)容將自動表示為一個整數(shù)：

a?=?5

輸入下面內(nèi)容以再次確認(rèn)：

type(a)

輸出結(jié)果：

int

注意：因為標(biāo)準(zhǔn)Python實現(xiàn)是用C編寫的，所以每個Python對象本質(zhì)上是一個偽C結(jié)構(gòu)。這對于Python中的整數(shù)也是如此，實際上它是指向復(fù)合C結(jié)構(gòu)的指針，包含的不僅僅是原始整數(shù)值。因此，用于表示Python整數(shù)的默認(rèn)C數(shù)據(jù)類型將依賴于你的系統(tǒng)架構(gòu)（即系統(tǒng)是32位還是64位平臺）。

更進(jìn)一步，我們使用list()命令可以創(chuàng)建一個整數(shù)列表，這是Python中的標(biāo)準(zhǔn)多元素容器。range (x)函數(shù)將創(chuàng)建從0到x–1的所有整數(shù)。要輸出變量，你可以使用print函數(shù)，也可以直接輸入變量名字并按Enter：

int_list?=?list(range(10)) int_list

輸出結(jié)果：

[0,?1,?2,?3,?4,?5,?6,?7,?8,?9]

類似地，我們通過讓Python遍歷整數(shù)列表int_list中的所有元素，并對每個元素應(yīng)用str()函數(shù)（該函數(shù)將一個數(shù)轉(zhuǎn)換成一個字符串），來創(chuàng)建一個字符串列表：

str_list?=?[str(i)?for?i?in?int_list] str_list

輸出結(jié)果：

['0',?'1',?'2',?'3',?'4',?'5',?'6',?'7',?'8',?'9']

可是，用列表進(jìn)行數(shù)學(xué)運算并不是很靈活。例如，我們想要將int_list中的每個元素都乘以一個因子2。執(zhí)行以下操作可能是一種簡單的方法—看看輸出結(jié)果是怎樣的：

int_list?*?2

輸出結(jié)果：

[0,?1,?2,?3,?4,?5,?6,?7,?8,?9,?0,?1,?2,?3,?4,?5,?6,?7,?8,?9]

Python創(chuàng)建了一個列表，其內(nèi)容是int_list的所有元素生成了兩次，這并不是我們想要的！

這就是NumPy的用武之地。NumPy是專為簡化Python中的數(shù)組運算而設(shè)計的。我們可以快速將整數(shù)列表轉(zhuǎn)換為一個NumPy數(shù)組：

import?numpy?as?np int_arr?=?np.array(int_list) int_arr

輸出結(jié)果：

array([0,?1,?2,?3,?4,?5,?6,?7,?8,?9])

讓我們看看試著將數(shù)組中的每個元素相乘會怎么樣：

int_arr?*?2

輸出結(jié)果：

array([?0??2??4??6??8?10?12?14?16?18])

這次我們做對了！加法、減法、除法以及很多其他運算也是同樣的。

而且，每個NumPy數(shù)組都具有以下屬性：

• ndim：維數(shù)。

• shape：每一維的大小。

• size：數(shù)組中元素的總數(shù)。

• dtype：數(shù)組的數(shù)據(jù)類型（例如int、float、string等）。

讓我們來看看整數(shù)數(shù)組的上述屬性：

print("int_arr?ndim:?",?int_arr.ndim) print("int_arr?shape:?",?int_arr.shape) print("int_arr?size:?",?int_arr.size) print("int_arr?dtype:?",?int_arr.dtype)

輸出結(jié)果：

int_arr?ndim:??1 int_arr?shape:??(10,) int_arr?size:??10 int_arr?dtype:??int64

從這些輸出中，我們可以看到我們的數(shù)組只包含一維，其包含10個元素且所有元素都是64位的整數(shù)。當(dāng)然，如果你在32位機(jī)器上執(zhí)行這段代碼，你可能會得到dtype：int 32。

03 通過索引訪問單個數(shù)組元素

如果你之前使用過Python的標(biāo)準(zhǔn)列表索引，那么你就不會發(fā)現(xiàn)NumPy中的索引有很多問題。在一維數(shù)組中，通過在方括號中指定所需的索引，可以訪問第i個值（從0開始計算），與Python列表一樣：

int_arr

輸出結(jié)果：

array([0,?1,?2,?3,?4,?5,?6,?7,?8,?9]) int_arr[0]

輸出結(jié)果：

0int_arr[3]

輸出結(jié)果：

3

要從數(shù)組的末尾建立索引，可以使用負(fù)索引號：

int_arr[-1]

輸出結(jié)果：

9int_arr[-2]

輸出結(jié)果：

8

切割數(shù)組還有一些其他很酷的技巧，如下所示：

int_arr[2:5]?#from?index?2?up?to?index?5?-?1

輸出結(jié)果：

array([2,?3,?4]) int_arr[:5]?#from?the?beginning?up?to?index?5?-?1

輸出結(jié)果：

array([0,?1,?2,?3,?4]) int_arr[5:]?#from?index?5?up?to?the?end?of?the?array

輸出結(jié)果：

array([5,?6,?7,?8,?9]) int_arr[::2]?#every?other?element

輸出結(jié)果：

array([0,?2,?4,?6,?8]) int_arr[::-1]?#the?entire?array?in?reverse?order

輸出結(jié)果：

array([9,?8,?7,?6,?5,?4,?3,?2,?1,?0])

建議你自己嘗試使用這些數(shù)組！

提示：NumPy中切割數(shù)組的一般形式與標(biāo)準(zhǔn)Python列表中的相同。使用x [start: stop: step]訪問數(shù)組x中的一個片段。如果沒有指定任何一個值，那么默認(rèn)值為start=0、stop=size of dimension、step=1。

04 創(chuàng)建多維數(shù)組

數(shù)組不必局限于列表。實際上，數(shù)組可以有任意維數(shù)。在機(jī)器學(xué)習(xí)中，通常我們至少要處理二維數(shù)組，列索引表示特定的特征值，行包含實際的特征值。

使用NumPy可以輕松地從頭開始創(chuàng)建多維數(shù)組。假設(shè)我們想要創(chuàng)建一個3行5列的數(shù)組，所有的元素都初始化為0。如果我們不指定數(shù)據(jù)類型，NumPy將默認(rèn)使用float類型：

arr_2d?=?np.zeros((3,?5)) arr_2d

輸出結(jié)果：

array([[0.,?0.,?0.,?0.,?0.],[0.,?0.,?0.,?0.,?0.],[0.,?0.,?0.,?0.,?0.]])

使用OpenCV時你可能就知道：這可以解釋為所有像素設(shè)置為0（黑色）的一個3×5的灰度圖像。例如，如果你想要創(chuàng)建具有3個顏色通道（R、G和B）2×4像素的一個小圖像，但是所有像素都設(shè)置為白色，我們將使用NumPy創(chuàng)建一個3×2×4的三維數(shù)組：

arr_float_3d?=?np.ones((3,?2,?4)) arr_float_3d

輸出結(jié)果：

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.]]])

這里，第一維定義顏色通道（OpenCV中的藍(lán)色、綠色和紅色）。因此，如果這是真實的圖像數(shù)據(jù)，我們可以通過切割數(shù)組輕松地獲得第一個通道中的顏色信息：

arr_float_3d[0,?:,?:]

輸出結(jié)果：

array([[1.,?1.,?1.,?1.],[1.,?1.,?1.,?1.]])

在OpenCV中，圖像要么是值在0到1之間的32位浮點數(shù)組，要么是值在0到255之間的8位整數(shù)數(shù)組。因此，使用8位整數(shù)，通過指定NumPy的dtype屬性并將數(shù)組中的所有1乘以255，我們還可以創(chuàng)建一個2×4像素、全為白色的RGB圖像：

arr_uint_3d?=?np.ones((3,?2,?4),?dtype=np.uint8)?*?255 arr_uint_3d

輸出結(jié)果：

array([[[255,?255,?255,?255],[255,?255,?255,?255]],[[255,?255,?255,?255],[255,?255,?255,?255]],[[255,?255,?255,?255],[255,?255,?255,?255]]],?dtype=uint8)

關(guān)于作者：阿迪蒂亞·夏爾馬（Aditya Sharma），羅伯特·博世（Robert Bosch）公司的一名高級工程師，致力于解決真實世界的自動計算機(jī)視覺問題。曾獲得羅伯特·博世公司2019年人工智能編程馬拉松的首名。

維什韋什·拉維·什里馬利（Vishwesh Ravi Shrimali），于2018年畢業(yè)于彼拉尼博拉理工學(xué)院（BITS Pilani）機(jī)械工程專業(yè)。此后一直在BigVision LLC從事深度學(xué)習(xí)和計算機(jī)視覺方面的工作，還參與了官方OpenCV課程的創(chuàng)建。

邁克爾·貝耶勒（Michael Beyeler），是華盛頓大學(xué)神經(jīng)工程和數(shù)據(jù)科學(xué)的博士后研究員，致力于仿生視覺的計算模型研究，以為盲人植入人工視網(wǎng)膜（仿生眼睛），改善盲人的感知體驗。他的工作屬于神經(jīng)科學(xué)、計算機(jī)工程、計算機(jī)視覺和機(jī)器學(xué)習(xí)的交叉領(lǐng)域。

本文摘編自《機(jī)器學(xué)習(xí)：使用OpenCV、Python和scikit-learn進(jìn)行智能圖像處理（原書第2版）》，經(jīng)出版方授權(quán)發(fā)布。

延伸閱讀《機(jī)器學(xué)習(xí)》（原書第2版）

點擊上圖了解及購買

轉(zhuǎn)載請聯(lián)系微信：DoctorData

推薦語：一本基于OpenCV4和Python的機(jī)器學(xué)習(xí)實戰(zhàn)手冊，既詳細(xì)介紹機(jī)器學(xué)習(xí)及OpenCV相關(guān)的基礎(chǔ)知識，又通過具體實例展示如何使用OpenCV和Python實現(xiàn)各種機(jī)器學(xué)習(xí)算法，并提供大量示例代碼，可以幫助你掌握機(jī)器學(xué)習(xí)實用技巧，解決各種不同的機(jī)器學(xué)習(xí)和圖像處理問題。

劃重點????

干貨直達(dá)????

• 為什么Siri總是像個智障？智能助手背后的技術(shù)到底有多難？
  

• 華為內(nèi)部資料流出！揭秘華為數(shù)據(jù)湖：3大特點、6個標(biāo)準(zhǔn)、入湖流程
  

• 中臺的本質(zhì)及中臺建設(shè)的4點思考
  

• 什么是YARN？跟HBase和Spark比優(yōu)勢在哪？終于有人講明白了

更多精彩????

在公眾號對話框輸入以下關(guān)鍵詞

查看更多優(yōu)質(zhì)內(nèi)容！

PPT?|?讀書?|?書單?|?硬核?|?干貨?|?講明白?|?神操作

大數(shù)據(jù)?|?云計算?|?數(shù)據(jù)庫?|?Python?|?可視化

AI?|?人工智能?|?機(jī)器學(xué)習(xí)?|?深度學(xué)習(xí)?|?NLP

5G?|?中臺?|?用戶畫像?|?1024?|?數(shù)學(xué)?|?算法?|?數(shù)字孿生

據(jù)統(tǒng)計，99%的大咖都完成了這個神操作

????

新人創(chuàng)作打卡挑戰(zhàn)賽發(fā)博客就能抽獎！定制產(chǎn)品紅包拿不停！

總結(jié)

以上是生活随笔為你收集整理的手把手教你用Python的NumPy包处理数据的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。