目前我的工作是將NumPy引入到Pyston中（一款Dropbox實現的Python編譯器/解釋器）。在工作過程中，我深入接觸了NumPy源碼，了解其實現并提交了PR修復NumPy的bug。在與NumPy源碼以及NumPy開發者打交道的過程中，我發現當今中文NumPy教程大部分都是翻譯或參考英文文檔，因此導致了許多疏漏。比如NumPy數組中的broadcast功能，幾乎所有中文文檔都翻譯為“廣播”。而NumPy的開發者之一，回復到“broadcast is a compound -- native English speakers can see that it's " broad" + "cast" = "cast (scatter, distribute) broadly, I guess "cast (scatter, distribute) broadly" probably is closer to the meaning（NumPy中的含義）"。有鑒于此，我打算啟動一個項目，以我對NumPy使用以及源碼層面的了解編寫一個系列的教程。

NumPy數組

NumPy數組是一個多維數組對象，稱為ndarray。其由兩部分組成：

• 實際的數據
• 描述這些數據的元數據

大部分操作僅針對于元數據，而不改變底層實際的數據。

關于NumPy數組有幾點必需了解的：

• NumPy數組的下標從0開始。
• 同一個NumPy數組中所有元素的類型必須是相同的。

NumPy數組屬性

在詳細介紹NumPy數組之前。先詳細介紹下NumPy數組的基本屬性。NumPy數組的維數稱為秩（rank），一維數組的秩為1，二維數組的秩為2，以此類推。在NumPy中，每一個線性的數組稱為是一個軸（axes），秩其實是描述軸的數量。比如說，二維數組相當于是兩個一維數組，其中第一個一維數組中每個元素又是一個一維數組。所以一維數組就是NumPy中的軸（axes），第一個軸相當于是底層數組，第二個軸是底層數組里的數組。而軸的數量――秩，就是數組的維數。

NumPy的數組中比較重要ndarray對象屬性有：

• ndarray.ndim：數組的維數（即數組軸的個數），等于秩。最常見的為二維數組（矩陣）。
• ndarray.shape：數組的維度。為一個表示數組在每個維度上大小的整數元組。例如二維數組中，表示數組的“行數”和“列數”。ndarray.shape返回一個元組，這個元組的長度就是維度的數目，即ndim屬性。
• ndarray.size：數組元素的總個數，等于shape屬性中元組元素的乘積。
• ndarray.dtype：表示數組中元素類型的對象，可使用標準的Python類型創建或指定dtype。另外也可使用前一篇文章中介紹的NumPy提供的數據類型。
• ndarray.itemsize：數組中每個元素的字節大小。例如，一個元素類型為float64的數組itemsiz屬性值為8(float64占用64個bits，每個字節長度為8，所以64/8，占用8個字節），又如，一個元素類型為complex32的數組item屬性為4（32/8）。
• ndarray.data：包含實際數組元素的緩沖區，由于一般通過數組的索引獲取元素，所以通常不需要使用這個屬性。

創建數組

先來介紹創建數組。創建數組的方法有很多。如可以使用array函數從常規的Python列表和元組創造數組。所創建的數組類型由原序列中的元素類型推導而來。　　　 

>>> from numpy import * 　　　 >>> a = array( [2,3,4] )　　　 >>> a   array([2, 3, 4]) >>> a.dtype   dtype('int32') >>> b = array([1.2, 3.5, 5.1])　　　 >>> b.dtype   dtype('float64') 

使用array函數創建時，參數必須是由方括號括起來的列表，而不能使用多個數值作為參數調用array。　　　

>>> a = array(1,2,3,4)  # 錯誤 >>> a = array([1,2,3,4]) # 正確 

可使用雙重序列來表示二維的數組，三重序列表示三維數組，以此類推。

>>> b = array( [ (1.5,2,3), (4,5,6) ] )　　 >>> b   array([[ 1.5, 2. , 3. ], 　　　   [ 4. , 5. , 6. ]]) 

可以在創建時顯式指定數組中元素的類型

>>> c = array( [ [1,2], [3,4] ], dtype=complex) >>> c   array([[ 1.+0.j, 2.+0.j], 　　　  [ 3.+0.j, 4.+0.j]]) 

通常，剛開始時數組的元素未知，而數組的大小已知。因此，NumPy提供了一些使用占位符創建數組的函數。這些函數有助于滿足除了數組擴展的需要，同時降低了高昂的運算開銷。

用函數zeros可創建一個全是0的數組，用函數ones可創建一個全為1的數組，函數empty創建一個內容隨機并且依賴與內存狀態的數組。默認創建的數組類型(dtype)都是float64。

可以喲娜特d.dtype.itemsize來查看數組中元素占用的字節數目。

>>> d = zeros((3,4)) >>> d.dtype dtype('float64') >>> d array([[ 0., 0., 0., 0.], 　　  [ 0., 0., 0., 0.], 　　  [ 0., 0., 0., 0.]]) >>> d.dtype.itemsize 8 

也可以自己制定數組中元素的類型

>>> ones( (2,3,4), dtype=int16 ) #手動指定數組中元素類型    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]]], dtype=int16) >>> empty((2,3)) 　　　array([[ 2.65565858e-316,  0.00000000e+000,  0.00000000e+000], 　　　    [ 0.00000000e+000,  0.00000000e+000,  0.00000000e+000]]) 

NumPy提供一個類似arange的函數返回一個數列形式的數組:

>>> arange(10, 30, 5)   array([10, 15, 20, 25]) 

以10開始，差值為5的等差數列。該函數不僅接受整數，還接受浮點參數：　

>>> arange(0,2,0.5)   array([ 0. , 0.5, 1. , 1.5]) 

當arange使用浮點數參數時，由于浮點數精度有限，通常無法預測獲得的元素個數。因此，最好使用函數linspace去接收我們想要的元素個數來代替用range來指定步長。linespace用法如下，將在通用函數一節中詳細介紹。

>>> numpy.linspace(-1, 0, 5)     array([-1. , -0.75, -0.5 , -0.25, 0. ]) 

數組中的元素是通過下標來訪問的，可以通過方括號括起一個下標來訪問數組中單一一個元素，也可以以切片的形式訪問數組中多個元素。關于切片訪問，將在切片一節介紹。

知識點：NumPy中的數據類型

對于科學計算來說，Python中自帶的整型、浮點型和復數類型遠遠不夠，因此NumPy中添加了許多數據類型。如下：

NumPy中的基本數據類型

NumPy類型轉換方式如下：

>>> float64(42)   42.0 >>> int8(42.0)   42 >>> bool(42)   True >>> bool(42.0)   True >>> float(True)   1.0 

許多函數的參數中可以指定參數的類型，當然，這個類型參數是可選的。如下：

>>> arange(7, dtype=uint16)   array([0, 1, 2, 3, 4, 5, 6], dtype=uint16) 

輸出數組

當輸出一個數組時，NumPy以特定的布局用類似嵌套列表的形式顯示：

• 第一行從左到右輸出
• 每行依次自上而下輸出
• 每個切片通過一個空行與下一個隔開
• 一維數組被打印成行，二維數組成矩陣，三維數組成矩陣列表。　

>>> a = arange(6)             # 1d array >>> print a   [0 1 2 3 4 5] 　　　 >>> b = arange(12).reshape(4,3)      # 2d array >>> print b   [[ 0 1 2]   [ 3 4 5]   [ 6 7 8]   [ 9 10 11]]　　　 >>> c = arange(24).reshape(2,3,4)     # 3d array >>> print c   [[[ 0 1 2 3]   [ 4 5 6 7]   [ 8 9 10 11]] 　　　   [[12 13 14 15]   [16 17 18 19]   [20 21 22 23]]] 

 reshape將在下一篇文章中介紹　

如果一個數組太長，則NumPy自動省略中間部分而只打印兩端的數據：　　　

>>> print arange(10000) 　　　[  0  1  2 ..., 9997 9998 9999] 　　　 >>> print arange(10000).reshape(100,100) 　　　[[  0  1  2 ...,  97  98  99] 　　　 [ 100 101 102 ..., 197 198 199] 　　　 [ 200 201 202 ..., 297 298 299] 　　　 ..., 　　　 [9700 9701 9702 ..., 9797 9798 9799] 　　　 [9800 9801 9802 ..., 9897 9898 9899] 　　　 [9900 9901 9902 ..., 9997 9998 9999]] 

可通過設置printoptions參數來禁用NumPy的這種行為并強制打印整個數組。

set_printoptions(threshold='nan') 

這樣，輸出時數組的所有元素都會顯示出來。

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持武林網。