[Python知识库]NumPy库的简要入门学习

NumPy(Numerical Python) 是使用Python进行科学计算的基础软件包。支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。

numpy.array()

numpy为我们提供了一个特殊的数组对象, 用它表示一维数组、二维矩阵等。

numpy提升了Python中数据计算的速度，比python快，因为底层是C。

对于任何想要运算的数据，需要预先将他们表示成numpy数组的形式。

——即向量化（Vectorization）

一、创建数组

numpy的计算围绕数组

首先要将计算的数据表示成数组的形式

>>> import numpy as np? #导入numpy库，并起别名为np

>>> np.array([1,2,3])? #创建一个数组

>>> a = np.zeros((3,2))?? #创建一个全0的数组，此处为三行两列的全0数组

>>> a.shape???? #获取数组的尺寸，此处输出（3，2）

>>>np.ones((2,4))?? #创建一个全部是一的数组

>>>np.arange(3,7)?? #创建一个递增的数列，此处array([3,4,5,6])，类似于python的range

>>>np.linspace(0,1,5)? #返回介于某个区间等间距分布的数，此处返回范围0到1，输出5个数

>>>np.random.rand(2,4)? #生成随机数组

数组默认的数据类型是64位浮点数

>>> a=np.zeros((4,2),dtype=np.int32)? #通过dtype指定其他的数据类型

>>> b=a.astype(int)? #转换数据类型

二、基本运算

四则运算：相同尺寸的两个数组

点乘：np.dot(a,b)? #对两个向量进行点乘

矩阵乘法：a @ b #等同于np.matmul()

对所有数依次求平方根：np.sqrt(a)

三角运算：np.sin(a) ,? np.cos(a)

对数指数运算：np.log(a)? ,??? np.power(a,2) #平方

数组与实数运算：a * 5? #各个元素与这个数的乘积，这个操作称为广播（Broadcasting)

求最值：a.min()? ? ?a.max() #数组a中最小或最大的元素

最值的索引：a.argmin()?? a.argmax()??? #返回最小或最大元素所在的索引

求和：a.sum()

返回平均值：a.mean()

返回中位数：np.median(a)

返回方差：a.var()

返回标准差：a.std()

不同尺寸的数组也可以做运算，numpy会将这两个数组扩展至相同的尺寸

然后将相同位置的元素相加，

axis参数

axis=0代表第一个维度，也就是行

axis=1代表第二个维度，也就是列

获取数组内元素，例如第一行第二列的元素，则为下标0，1

按照条件筛选出指定的元素，如小于3的元素。

此处“条件”可以通过逻辑运算符==、&、|等组合出更复杂的条件

切片获取数据，如第一行第1-2列的所有数据，0：2代表[0,2)，不包含2

这和Python中list的切片方式是一样的。

获取第一行所有列的元素，则 a[0, :]? 或 a[0]

第二个冒号的后面可以跟一个跨度，如下举例

这个跨度还可以取负值，从右往左逆向返回这个数组

从右往左逆向返回这个数组，会经常看到 ::-1 的写法，翻转数组。

三、numpy的典型应用：图片处理

通常可以把一张灰度图看作是一个二维的数组，数组中的每个元素用来表示像素点的亮度值。

对于彩色的图片，可以用三维数组来表示。数组中的第三维分别存储了像素点的红绿蓝分量。

使用Pillow这个库在Python中读取图片（pip install pilllow安装）

from PIL import Image

im = Image.open('picture.jpg')

im.show() #显示图片

im= np.array(im)? #将图片转换成一个numpy数组

im.shape #可以看到图片一共有多少行、多少列，以及颜色分量的数量（如彩色是3）

可以通过下标访问某个像素点的颜色，如100，100

提取所有像素点的红色分量 :,:,0

将两张图片按比例混合在一起，即对其进行四则运算。

这里的运算结果是浮点数，为了显示图片，需要将图片转换成整型数。

可利用跨度对图片进行降采样 im[::10 , ::10 , :]

翻转图片 im[::-1 , : , : ]??? ，利用跨度-1，这里指定的是第一个维度，因此图片会上下翻转。

裁剪图片，可以利用切片，如im[40:540 , 40:900 , :]

书籍：https://www.labri.fr/perso/nrougier/from-python-to-numpy/