Python：学习Numpy，收藏这一篇文章就Go了

最新推荐文章于 2022-09-30 10:29:45 发布

原创

最新推荐文章于 2022-09-30 10:29:45 发布 · 1.8k 阅读

68 ·

CC 4.0 BY-SA版权

文章标签：

#python #numpy #ndarray #矩阵 #点积

本文详述了Python的Numpy库，包括如何创建Numpy数组，如从已有数据、随机数生成，以及多维数组的构造。介绍了数组的截取、算术运算，特别是点积运算，并展示了数组变形和合并的方法。Numpy的高速运算能力在科学计算和深度学习中具有显著优势。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Numpy

Numpy全称Numerical Python。它提供了2种基本的对象：ndarray与ufunc。

ndarray是存储单一数据的多维数组，它相对于list列表可以快速的节省空间，提供数组化的算数运算和高级的广播功能。

ufunc是能够对数组进行处理的函数，这些标准的数学函数对整个数组的数据进行快速运算，且不需要编写循环。

Numpy其他优点：

它是读取/写入磁盘上的阵列数据和操作存储器映像文件的工具
它具有线性代数、随机数生成以及傅里叶变换的能力
它集成了C、C++、Fortran代码的工具

虽然Numpy库具有很多的优点，但是其默认不在标准库中，如果你直接安装anaconda，它会自带Numpy库。

但是，如果你是直接安装的Python工具，那么需要通过如下命令安装之后才能使用，具体命令如下所示：

pip install numpy

下面，我们详细介绍Numpy库的使用方式。

生成Numpy数组

从已有数据中创建数组

一般来说，对于一些基础的数据，我们在Python中都是直接使用list。

而如果这个时候，需要进行大量的运算，我们不妨将list列表转换为numpy数组进行计算。转换的方式如下所示（我们使用numpy时一般将其重命名np使用）：

import numpy as np

list1 = [1, 2, 3, 4, 5, 6, 7, 8, 9]
nd = np.array(list1)
print("数据:", nd)
print("类型:", type(nd))

运行之后，效果如下：
类型转换

通过random生成数组

在深度学习中，我们经常会通过随机数创建一些数组进行测试，比如创建符合正态分布的随机数，又或者打乱数据等等。

而这些都可以通过numpy.random模块进行操作。下面，博主列出了一个常用随机函数表格：

函数	意义
numpy.random.random	生成0到1之间的随机数
numpy.random.uniform	生成均匀分布的随机数
numpy.random.randn	生成标准正态分布的随机数
numpy.random.randint	生成随机整数
numpy.random.normal	生成正态分布
numpy.random.shuffle	随机打乱顺序
numpy.random.seed 设置随机数种子
numpy.random.random_sample	生成随机的浮点数

下面，我们举一个简单的使用例子：

import numpy as np
#生成3行3列0到1的随机数
nd1 = np.random.random([3, 3])
print(nd1)
#生成3行3列0到1的浮点数
nd2 = np.random.random_sample([3, 3])
print(nd2)
#打乱nd2的数据
np.random.shuffle(nd2)
print(nd2)

运行之后，效果如下：
随机数数组

创建多维数组

在上面随机数的数组创建中，我们看到了其实numpy可以创建多维数组，而如果不使用随机数的话，我们还可以通过下面表格的函数创建numpy数组。

函数	意义
np.zeros((3,4))	创建3行4列全部为0的数组
np.ones((3,4))	创建3行4列全部为1的数组
np.empty((2,4))	创建2行4列的空数组，空数组中的值并不为0，而是为初始化的垃圾值
np.zeros_like(nd)	以nd相同的维度创建一个全为0的数组
np.ones_like(nd)	以nd相同的维度创建一个全为1的数组
np.empty_like(nd)	以nd相同的维度创建空数组
np.eye(5)	创建一个5*5的矩阵，对角线为1，其余为0
np.full((2,2),111)	创建一个2行2列全是111的数组，第2个参数为指定值

下面，我们随机举些列子：

import numpy as np
#创建2*3的空数组
nd1 = np.empty((2, 3))
print("垃圾值：", nd1)
#创建5*5，值全为111的数组
nd2 = np.full((5, 5), 111)
print(nd2)
#创建5*5值全为0的数组
nd3 = np.zeros((5, 5))
print(nd3)