一图胜千言，超形象图解NumPy教程

大此火 08-18 119

前言：

眼前同学们对“matlab网格化数据”大体比较讲究，大家都想要了解一些“matlab网格化数据”的相关资讯。那么小编在网络上网罗了一些关于“matlab网格化数据””的相关资讯，希望我们能喜欢，我们一起来学习一下吧！

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，文章灵感部分来自Jay Alammar的NumPy图解文章

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

通过Python列表创建⚠️必须确保列表中元素类型一致，否则，进一步处理报错。⚠️NumPy数组区别于Python列表，不能在数组末尾直接扩展元素。通过np.zeros或np.empty等创建可以通过np.zeros、np.ones、np.empty、np.full等创建数组。通过np.zeros_like或np.empty_like等创建以上都有对应的_like函数，可快速创建a数组长度一致数组，通过np.arange和np.linspace创建 np.arange类似于Python range⚠️np.arange对元素数据类型敏感，特别是float类别，以下方式可供参考创建随机数组已弃用方法，新方法，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。

加减乘除、取整等基础操作类似python加减乘除、取余数，向上、向下、四舍五入最大、最小、均值等，三角函数标量计算支持更多数学方法排序只有部分Python列表排序操作，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，

行列or行or列求和+、-、*、/、//、**和@ +、-、*、/、//、**类似一维数组，@为二维数组独有，二维数组整体计算，二维数组与单个元素、一维数组计算，@计算非对称线性代数外积，行/列向量计算二维数组变形一维数组、二维数组之间互转，hstack、vstack、column_stack拼接数组hsplit、vsplit拆分二维数组tile、repeat复制数组delete二维数组删除insert二维数组插入append二维数组末尾操作pad二维数组边界操作

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，

argsort按某一列排序lexsort对所有列进行排序 ⚠️总是按行执行，从下到上，sort结合order3多维数组 (3维及更高维数组)

下面主要以3维数组为例。