NumPy入門攻略：手把手帶你玩轉這款強大的資料分析和計算工具

作者：塗銘，劉祥，劉樹春

如需轉載請聯絡大資料（ID：hzdashuju）

NumPy提供了以下幾個主要功能：

• ndarray——一個具有向量算術運算和複雜廣播能力的多維陣列物件。

• 用於對陣列資料進行快速運算的標準數學函式。

• 用於讀寫磁碟資料的工具以及用於操作記憶體對映檔案的工具。

• 非常有用的線性代數，傅裡葉變換和隨機數操作。

• 用於整合C /C++和Fortran程式碼的工具。

除明顯的科學用途之外，NumPy也可以用作通用資料的高效多維容器，可以定義任意的資料型別。這些使得NumPy能無縫、快速地與各種資料庫整合。

提示：這裡提到的“廣播”可以這麼理解：當有兩個維度不同的陣列（array）運算的時候，可以用低維的陣列複製成高維陣列參與運算（因為NumPy運算的時候需要結構相同）。

本文NumPy的要點包括：

• 建立NumPy陣列

• 獲取NumPy中陣列的維度

• NumPy陣列索引與切片

• NumPy陣列比較

• 替代值

• NumPy資料型別轉換

• NumPy的統計計算方法

01 建立陣列

在NumPy中，最核心的資料結構是ndarray，ndarray代表的是多維陣列，陣列指的是資料的集合。為了方便理解，我們來舉一個小例子。

1. 一個班級裡學生的學號可以透過一維陣列來表示：陣列名叫a，在a中儲存的是數值型別的資料，分別是1,2,3,4。

其中a[0]代表的是第一個學生的學號1，a[1]代表的是第二個學生的學號2，以此類推。

2. 一個班級裡學生的學號和姓名，則可以用二維陣列來表示：陣列名叫b

類似的，其中b[0,0]代表的就是1（學號），b[0,1]代表的就是Tim（學號為1的學生的名字），以此類推b[1,0]代表的是2（學號）等。

借用線性代數的說法，一維陣列通常稱為向量（vector），二維陣列通常稱為矩陣（matrix）。

當我們安裝完Anaconda之後，預設情況下NumPy已經在庫中了，所以不需要額外安裝。我們來寫一些陳述句簡單測試下NumPy：

1）在Anaconda中輸入，如果沒有報錯，那麼說明NumPy是正常工作的。

稍微解釋下這句陳述句：透過import關鍵字將NumPy庫引入，然後透過as為其取一個別名np，別名的作用是為了之後寫程式碼的時候方便取用。

2）透過NumPy中的array()，可以將向量直接匯入：

3）透過numpy.array()方法，也可以將矩陣匯入：

02 獲取NumPy中陣列的維度

首先我們透過NumPy中的一個方法arange(n)，生成0到n-1的陣列。比如我們輸入np.arange(15)，可以看到傳回的結果是array（[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14]）。

之後再透過NumPy中的reshape（row,column）方法，自動構架一個多行多列的array物件。

比如我們輸入：

可以看到結果：

我們有了基本資料之後，可以透過NumPy提供的shape屬性獲取NumPy陣列的維度。

可以看到傳回的結果，這個是一個元組（tuple），第一個3代表的是3行，第二個5代表的是5列：

03 獲取本地資料

我們可以透過NumPy中genfromtxt()方法來讀取本地的資料集。需要使用的資料集，house-prices.csv是由逗號（，）分隔的，在Github的data目錄下能下載到。我們可以使用以下陳述句來讀取這個資料集：

上述程式碼從本地讀取price.csv檔案到NumPy陣列物件中（ndarray），我們看一下資料集的前幾行。

暫時先不用考慮傳回資料中出現的nan。

每一行的資料代表了房間的地區，是否是磚瓦結構，有多少臥室、洗手間以及價格的描述。

每個列代表了：

• Home：房子的id

• Price：房子的價格

• Bedrooms：有多少個臥室

• Bathroom：有多少個洗手間

• Brick：是否是磚房

• Neighborhood：地區

註意：NumPy陣列中的資料必須是相同型別，比如布林型別（bool）、整型（int），浮點型（float）以及字串型別（string）。NumPy可以自動判斷陣列內的物件型別，我們可以透過NumPy陣列提供的dtype屬性來獲取型別。

04 正確讀取資料

回到之前的話題，上文發現顯示出來的資料裡面有資料型別na（not available）和nan（not a number），前者表示讀取的數值是空的、不存在的，後者是因為資料型別轉換出錯。對於nan的出錯，我們可以用genfromtxt()來轉化資料型別。

• dtype關鍵字要設定為‘U75’.表示每個值都是75byte的unicode。

• skip_essay-header關鍵字可以設定為整數，這個引數可以跳過檔案開頭的對應的行數，然後再執行任何其他操作。

05 NumPy陣列索引

NumPy支援list一樣的定位操作。舉例來說：

得到的結果是2。

上述程式碼中的matrix[0,1]，其中0代表的是行，在NumPy中0代表起始第一個，所以取的是第一行，之後的1代表的是列，所以取的是第二列。那麼最後第一行第二列就是2這個值了。

06 切片

NumPy支援list一樣的切片操作。

上述的print（matrix[:,1]）語法代表選擇所有的行，但是列的索引是1的資料。那麼就傳回10，25，40。

print（matrix[:,0:2]）代表的是選取所有的行，列的索引是0和1。

print（matrix[1:3,:]）代表的是選取行的索引值1和2以及所有的列。

print（matrix[1:3,0:2]）代表的是選取行的索引1和2以及列的索引是0和1的所有資料。

07 陣列比較

NumPy強大的地方是陣列或矩陣的比較，資料比較之後會產生boolean值。

舉例來說：

我們看到輸出的結果為：

我們再來看一個比較複雜的例子：

上述程式碼中print（second_column_25）輸出的是[False True False]，首先matrix[:,1]代表的是所有的行，以及索引為1的列->[10,25,40]，最後和25進行比較，得到的就是false,true,false。print（matrix[second_column_25, :]）代表的是傳回true值的那一行資料-> [20，25，30]。

註意：上述的例子是單個條件，NumPy也允許我們使用條件符來拼接多個條件，其中“&”代表的是“且”，“|”代表的是“或”。比如vector=np.array（[5,10,11,12]），equal_to_five_and_ten =（vector == 5） & （vector == 10）傳回的都是false，如果是equal_to_five_or_ten =（vector == 5）|（vector == 10）傳回的是[True,True,False,False]

08 替代值

NumPy可以運用布林值來替換值。

在陣列中：

在矩陣中：

我們先創立陣列matrix。將matrix的第二列和25比較，得到一個布林值陣列。second_column_25將matrix第二列值為25的替換為10。

替換有一個很棒的應用之處，就是替換那些空值。之前提到過NumPy中只能有一個資料型別。我們現在讀取一個字元矩陣，其中有一個值為空值。其中的空值我們很有必要把它替換成其他值，比如資料的平均值或者直接把他們刪除。這在大資料處理中很有必要。這裡，我們演示把空值替換為“0”的操作。

09 資料型別轉換

NumPy ndarray資料型別可以透過引數dtype 設定，而且可以使用astype轉換型別，在處理檔案時這個會很實用，註意astype 呼叫會傳回一個新的陣列，也就是原始資料的一份複製。

比如，把String轉換成float。如下：

註意：上述例子中，如果字串中包含非數字型別的時候，從string轉float就會報錯。

10 NumPy的統計計算方法

NumPy內建很多計算方法。其中最重要的統計方法有：

• sum()：計算陣列元素的和；對於矩陣計算結果為一個一維陣列，需要指定行或者列。

• mean()：計算陣列元素的平均值；對於矩陣計算結果為一個一維陣列，需要指定行或者列。

• max()：計算陣列元素的最大值；對於矩陣計算結果為一個一維陣列，需要指定行或者列。

需要註意的是，用於這些統計方法計算的數值型別必須是int或者float。

陣列例子：

矩陣例子：

如上述例子所示，axis = 1計算的是行的和，結果以列的形式展示。axis = 0計算的是列的和，結果以行的形式展示。

延伸學習

官方推薦教程是不錯的入門選擇：

https://docs.scipy.org/doc/numpy-dev/user/quickstart.html

關於作者：塗銘，阿裡巴巴資料架構師，對大資料、自然語言處理、Python、Java相關技術有深入的研究，積累了豐富的實踐經驗。

劉祥，百煉智慧自然語言處理專家，主要研究知識圖譜、NLG等前沿技術，參與機器自動寫作產品的研發與設計。

劉樹春，七牛雲高階演演算法專家，七牛AI實驗室NLP&OCR;方向負責人，主要負責七牛NLP以及OCR相關專案的研究與落地。