Python資料科學學習筆記-Numpy陣列基礎操作

本篇文章為筆者的學習筆記，參考書籍為 歐萊禮/Python資料科學學習手冊/Jake VanderPlas/何敏煌(譯) https://www.books.com.tw/products/0010774364

建立陣列的各種方式

內容全為0的陣列

np.zeros(10, dtype=np.int)

array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0])

內容全為1的陣列

np.ones((3,5), dtype=np.int)

array([[1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1]])

填滿同一元素

np.full((3,5), 3.14, dtype=np.float)

array([[3.14, 3.14, 3.14, 3.14, 3.14],
       [3.14, 3.14, 3.14, 3.14, 3.14],
       [3.14, 3.14, 3.14, 3.14, 3.14]])

依序填滿的矩陣

np.arange(0, 10)

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

產生特定間隔數的陣列

np.linspace(0,1,5)

array([0.  , 0.25, 0.5 , 0.75, 1.  ])

隨機陣列

np.random.random((3,3))

array([[0.67008401, 0.66344056, 0.66557893],
       [0.211046  , 0.63600443, 0.51327634],
       [0.75571898, 0.94306233, 0.6197861 ]])

隨機常態分佈陣列

np.random.normal(0,1(3,3))

array([[ 1.04213031,  0.77624605, -0.42446014],
       [ 0.07087546,  0.81222484, -0.52451604],
       [ 1.98723693, -0.91196085,  0.78381324]])

隨機範圍整數矩陣

np.random.randint(0,10, 10)

array([9, 7, 5, 2, 0, 3, 9, 3, 3, 4])

單位矩陣

np.eye(5)

array([[1., 0., 0., 0., 0.],
       [0., 1., 0., 0., 0.],
       [0., 0., 1., 0., 0.],
       [0., 0., 0., 1., 0.],
       [0., 0., 0., 0., 1.]])

未初始化矩陣

np.empty(5)

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

陣列屬性

x = np.random.randint(0,10,(2,3))

• 陣列維度 : x.ndim => 2

• 各維度大小 : x.shape => (2, 3)

• 整個陣列總大小 : x.size => 6

• 陣列的資料型態 : x.dtype => dtype(‘int32’)

• 陣列元素的位元組大小 : x.itemsize => 4 (Bytes)

• 陣列總位元組大小 : x.nbytes => 24 (Bytes)

陣列操作

x2 = np.array([[12, 5, 6, 1],
              [ 7, 6, 8, 8],
              [ 1, 6, 7, 7]])

• 取得2列3欄 : x2[:2, :3]

array([[12,  5,  6],
       [ 7,  6,  8]])

• 取得所有偶數欄 : x2[:3, ::2]

array([[12,  6],
       [ 7,  8],
       [ 1,  7]])

• 取得陣列的第1列元素 : x2[:, 0]

array([12,  7,  1])

• 取得陣列的第1欄元素 : x2[0, :]

array([12,  5,  6,  1])

所有陣列操作都是藉由參考來執行，會改變原變數的值
若不想改變原變數的值，則藉由np.array.copy()來執行

• 陣列變形 x3 = np.arange(1,10)
  • 將x3更改為3x3矩陣 : x3.reshape(3,3)
  • 透過x3建立列向量(reshape) : x3.reshap(3, 1)
  • 透過x3建立列向量(newaxis) : x3[np.newaxis, :]
  • 透過x3建立欄向量(reshape) : x3.reshap(1, 3)
  • 透過x3建立欄向量(newaxis) : x3[:, np.newaxis]
• 陣列的合併 np.concatenate, np.vstack(垂直堆疊), np.hstack(水平堆疊), np.dstack(3D)

  x = np.array([1,2,3])
  y = np.array([4,5,6])
  z = np.array([[99],
                [99]])
  grid = np.array([[1,2,3],
                   [4,5,6]])
    
  

  • 合併陣列np.concatenate([x, y])

    [1,2,3,4,5,6]

  • 合併陣列np.concatenate(grid, grid)

    [[1,2,3],
     [4,5,6],
     [1,2,3],
     [4,5,6]]
    

  • 合併陣列np.concatenate(grid, grid, axis=1)

    [[1,2,3,1,2,3],
     [4,5,6,4,5,6]]
    

  • 垂直堆疊合併np.vstack(x, grid)

    [[1, 2, 3],
     [1, 2, 3],
     [4, 5, 6]]
    

  • 水平堆疊合併np.hstack([z, grid])

    [[99,  1,  2,  3],
     [99,  4,  5,  6]]
    

• 陣列的分割 np.split, np.vsplit(垂直分割), np.hsplit(水平分割)

  x = [1,2,3,99,99,3,2,1]
  grid = [[ 0,  1,  2,  3],
          [ 4,  5,  6,  7],
          [ 8,  9, 10, 11],
          [12, 13, 14, 15]]
  

  • 分割陣列np.split(x, [3,5])

    [1,2,3], [99,99], [3,2,1]
    

  • 垂直分割陣列np.vsplit(grid, [2])

    upper, lower = np.vsplit(grid, [2])
    upper = [[0, 1, 2, 3],
             [4, 5, 6, 7]]
    lower = [[ 8,  9, 10, 11],
             [12, 13, 14, 15]]
    

  • 水平分割陣列np.hvsplit(grid, [2])

    left, right = np.hsplit(grid, [2])
    left = [[ 0  1]
            [ 4  5]
            [ 8  9]
            [12 13]][[0, 1, 2, 3],
             [4, 5, 6, 7]]
    right = [[ 2  3]
             [ 6  7]
             [10 11]
             [14 15]][[ 8,  9, 10, 11],
             [12, 13, 14, 15]]