pythonic生物人

超形象图解Python NumPy！

pythonic生物人2024年01月15日约 3 分钟

NumPy是Python中诸多数据科学库的重要基础，例如，pandas，OpenCV，TensorFlow等，学习NumPy对其它NumPy依赖数据科学库意义重大👇。
本文翻译一篇不错的NumPy基础图解教程，从一维数组(向量)，二维数组(矩阵)和多维数组(3维及更高维数组)介绍NumPy。
原文：NumPy Illustrated: The Visual Guide to NumPy

0、NumPy数组 vs Python列表

Numpy数组中插入、移除元素没Python列表高效；
Numpy数组可直接做四则运算、Python列表则需借助列表推倒式等；
Numpy数组更紧凑,高维时尤为明显；
Numpy数组向量化后运算速度比Python列表更快；
Numpy数组通常是同质化的，仅仅当数组中元素类型一致时处理速度快。

1、一维数组 (向量)

1.1 数组创建

1.2 数组索引

1.1中介绍了多种构建数组的方法，1.2中介绍如何愉快的从数组中取元素。

常见索引方法
布尔运算符索引 ⚠️不能用三元运算符，如3<=a<=5。
np.where、np.clip+布尔运算符索引

1.3 数组操作

计算速度是NumPy的亮点之一，其数组运算操作速度接近C++，把数组当作整体来运算，避免Python的循环，可以解决一部分Python慢的问题，这一节介绍NumPy的数组操作。

1.4 数组元素查找

无Python list的index函数，通常有三种方法，

where，但不够pythonic、需压遍历数组；
next，较快，需要Numba；
searchsorted，适合已排序数组。

1.5 浮点数比较

2 二维数组 (矩阵)

2.1 二维数组创建

同一维数组，⚠️使用[[]],随机数组构建

2.2 二维数组索引

比Python嵌套列表更方便

2.3 二维数组操作

NumPy支持跨行、跨列操作，此时NumPy引入了axis的概念，axis=1，axis=0👇，

2.4 二维数组网格化

针对网格化，C、传统Python及MATLAB都有解决办法，NumPy的广播机制让网格化更高效，此外，网格还可以用于数组索引，

2.5 二维数组统计

支持min/max, argmin/argmax, mean/median/percentile, std/var等函数，前面2.3节介绍过部分。argmin/argmax返回最大、最小值下标，all和any适用特定维度，

2.6 二维数组排序

注意指定axis，

3 多维数组 (3维及更高维数组)

下面主要以3维数组为例。

3.1 多维数组创建

通过reshape 1维数组、嵌套Python list创建多维数组，索引(z,y,x)中，z是平面方向，(y,x)在z平面上坐标，

3.2 多维数组创建hstack，vstack

适用3维数组，多了一个dstack，

⚠️但是，这些函数支持的索引顺序是(y,x,z)，需要借助concatenate改变多维数组布局，广播机制也适用多维数组，einsum(Einstein summation)函数在多维数组中可避免过多Python循环，让代码更简洁，


-END-
推荐阅读：

我的学习小圈子👉
加入

赞、在看就是最大的支持