NumPy 数组的强大之处

高效编写 Python 代码

Logan Thomas

Scientific Software Technical Trainer, Enthought

NumPy 数组概览

  • Python 列表的替代方案
nums_list = list(range(5))

[0, 1, 2, 3, 4]

import numpy as np

nums_np = np.array(range(5))

array([0, 1, 2, 3, 4])
高效编写 Python 代码
# NumPy 数组同质性
nums_np_ints = np.array([1, 2, 3])

array([1, 2, 3])

nums_np_ints.dtype

dtype('int64')

nums_np_floats = np.array([1, 2.5, 3])

array([1. , 2.5, 3. ])

nums_np_floats.dtype

dtype('float64')
高效编写 Python 代码

NumPy 数组广播

  • Python 列表不支持广播
nums = [-2, -1, 0, 1, 2]
nums ** 2

TypeError: unsupported operand type(s) for ** or pow(): 'list' and 'int'
高效编写 Python 代码
  • 列表方法 
# for 循环（低效）
sqrd_nums = []
for num in nums:
    sqrd_nums.append(num ** 2)
print(sqrd_nums)

[4, 1, 0, 1, 4]

# 列表推导（更好但非最佳）
sqrd_nums  = [num ** 2 for num in nums]

print(sqrd_nums)

[4, 1, 0, 1, 4]
高效编写 Python 代码

NumPy 数组广播

  • NumPy 数组广播更胜一筹！
nums_np = np.array([-2, -1, 0, 1, 2])
nums_np ** 2

array([4, 1, 0, 1, 4])
高效编写 Python 代码

基础一维索引（列表）

nums = [-2, -1, 0, 1, 2]
nums[2]

0

nums[-1]

2

nums[1:4]

[-1, 0, 1]

基础一维索引（数组）

nums_np = np.array(nums)
nums_np[2]

0

nums_np[-1]

2

nums_np[1:4]

array([-1, 0, 1])
高效编写 Python 代码
# 二维列表
nums2 = [ [1, 2, 3],
          [4, 5, 6] ]

  • 基础二维索引（列表）
nums2[0][1]

2

[row[0] for row in nums2]

[1, 4]

# 二维数组

nums2_np = np.array(nums2)

  • 基础二维索引（数组）
nums2_np[0,1]

2

nums2_np[:,0]

array([1, 4])
高效编写 Python 代码

NumPy 数组布尔索引

nums = [-2, -1, 0, 1, 2]
nums_np =  np.array(nums)
  • 布尔索引
nums_np > 0

array([False, False, False,  True,  True])

nums_np[nums_np > 0]

array([1, 2])
高效编写 Python 代码
  • 列表不支持布尔索引
# for 循环（低效）
pos = []
for num in nums:
    if num > 0:
        pos.append(num)
print(pos)

[1, 2]

# 列表推导（更好但非最佳）
pos = [num for num in nums if num > 0]
print(pos)

[1, 2]
高效编写 Python 代码

一起练习强大的 NumPy 数组！

高效编写 Python 代码

Preparing Video For Download...