Day 30：NumPy 进阶高效使用逻辑，掌握这 5 方面功能
发布日期：2022年3月12日 18:02 阅读: 187 访问: 187
不管数据分析、数据挖掘、机器学习等，都会经常遇到数组的 shape 操作。有些读者很疑惑，为什么一个一维数组，能 shape 成任意维度的高维数组。NumPy 也提供高效的数据 shape 操作，那么它是如何实现这种操作，用到什么数据结构，原理又是什么？弄明白这个问题后，再去使用 NumPy、TensorFlow，就会瞬间清晰很多。今天我们先来弄明白
不管数据分析、数据挖掘、机器学习等，都会经常遇到数组的 shape 操作。有些读者很疑惑，为什么一个一维数组，能 shape 成任意维度的高维数组。
NumPy 也提供高效的数据 shape 操作，那么它是如何实现这种操作，用到什么数据结构，原理又是什么？
弄明白这个问题后，再去使用 NumPy、TensorFlow，就会瞬间清晰很多。
今天我们先来弄明白这个操作的原理，然后学习 NumPy 中常用的与数据操作相关的函数。
揭秘 Shape
一个一维数组，长度为 12，为什么能变化为二维 (12,1) 或 (2,6) 等、三维 (12,1,1) 或 (2,3,2) 等、四维 (12,1,1,1) 或 (2,3,1,2) 等。总之，能变化为任意多维度。
reshape 是如何做到的？使用了什么魔法数据结构和算法吗？
这篇文章对于 reshape 方法的原理解释，会很独到，尽可能让朋友们弄明白数组 reshape 的魔法。
如同往常一样，导入 NumPy 包：
import numpy as np创建一个一维数组 a，从 0 开始，间隔为 2，含有 12 个元素的数组：
a = np.arange(0,24,2)打印数组 a：
In [48]: a
Out[48]: array([ 0, 2, 4, 6, 8, 10, 12, 14, 16, 18, 20, 22])如上数组 a，NumPy 会将其解读成两个结构，一个 buffer，还有一个 view。
buffer 的示意图如下所示：
view 是解释 buffer 的一个结构，比如数据类型，flags 信息等：
In [50]: a.dtype
Out[50]: dtype('int32')
In [51]: a.flags
Out[51]:
C_CONTIGUOUS : True
F_CONTIGUOUS : True
OWNDATA : True
WRITEABLE : True
ALIGNED : True
WRITEBACKIFCOPY : False
UPDATEIFCOPY : False使用 a[6] 访问数组 a 中 index 为 6 的元素。从背后实现看，NumPy 会辅助一个轴，轴的取值为 0 到 11。
从概念上看，它的示意图如下所示：
所以，借助这个轴 i，a[6] 就会被索引到元素 12，如下所示：
至此，大家要建立一个轴的概念。
接下来，做一次 reshape 变化，变化数组 a 的 shape 为 (2,6)：
b = a.reshape(2,6)打印 b：
In [53]: b
Out[53]:
array([[ 0, 2, 4, 6, 8, 10],
[12, 14, 16, 18, 20, 22]])此时，NumPy 会建立两个轴，假设为 i、j，i 的取值为 0 到 1，j 的取值为 0 到 5，示意图如下：
使用 b[1][2] 获取元素到 16：
In [54]: b[1][2]
Out[54]: 16两个轴的取值分为 1、2，如下图所示，定位到元素 16：
平时，有些读者朋友可能会混淆两个 shape，(12,) 和 (12,1)，其实前者一个轴，后者两个轴，示意图分别如下。
一个轴，取值从 0 到 11：
两个轴，i 轴取值从 0 到 11，j 轴取值从 0 到 0：
至此，大家要建立两个轴的概念。
并且，通过上面几幅图看到，无论 shape 如何变化，变化的是视图，底下的 buffer 始终未变。
接下来，上升到三个轴，变化数组 a 的 shape 为 (2,3,2)：
c = a.reshape(2,3,2)打印 c：
In [55]: c = a.reshape(2,3,2)
In [56]: c
Out[56]:
array([[[ 0, 2],
[ 4, 6],
[ 8, 10]],
[[12, 14],
[16, 18],
[20, 22]]])数组 c 有三个轴，取值分别为 0 到 1，0 到 2，0 到 1，示意图如下所示：
读者们注意体会，i、j、k 三个轴，其值的分布规律。如果去掉 i 轴取值为 1 的单元格后，
实际就对应到数组 c 的前半部分元素：
array([[[ 0, 2],
[ 4, 6],
[ 8, 10]],也就是如下的索引组合：
至此，三个轴的 reshape 已经讲完，再说一个有意思的问题。
还记得，原始的一维数组 a 吗？它一共有 12 个元素，后来，我们变化它为数组 c，shape 为 (2,3,2)，那么如何升级为 4 维或任意维呢？
4 维可以为：(1,2,3,2)，示意图如下：
看到，轴 i 索引取值只有 0，它被称为自由维度，可以任意插入到原数组的任意轴间。
比如，5 维可以为：(1,2,1,3,2)：
至此，你应该完全理解 reshape 操作后的魔法：
- buffer 是个一维数组，永远不变；
- 变化的 shape 通过 view 传达；
- 取值仅有 0 的轴为自由轴，它能变化出任意维度。
关于 reshape 操作，最后再说一点，reshape 后的数组，仅仅是原来数组的视图 view，并没有发生复制元素的行为，这样才能保证 reshape 操作更为高效。
In [58]: v1 = np.arange(10)
In [59]: v2 = v1.reshape(2,5)
In [60]: v2
Out[60]:
array([[0, 1, 2, 3, 4],
[5, 6, 7, 8, 9]])改变 v2 的第一个元素：
In [61]: v2[0,0] = 10
In [62]: v2
Out[62]:
array([[10, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9]])如果 v2 是 v1 的视图，那么 v1 也会改变，如下，v1 的第一个元素也发生相应改变，所以得证。
In [63]: v1
Out[63]: array([10, 1, 2, 3, 4, 5, 6, 7, 8, 9])在了解完 reshape 操作的奥秘后，相信大家都建立轴和多轴的概念，这对灵活使用高维数组很有帮助。
下面分析一些 NumPy 中高频使用的方法。
元素级操作
NumPy 中两个数组加减乘除等，默认都是对应元素的操作：
In [59]: v1 = np.arange(5)
In [60]: v1
Out[60]: array([0, 1, 2, 3, 4])执行 v1+2 操作，按照元素顺序逐个加 2：
In [57]: v1+2
Out[57]: array([2, 3, 4, 5, 6])执行 v1 * v1，注意是按照元素逐个相乘：
In [58]: v1 * v1
Out[58]: array([ 0, 1, 4, 9, 16])矩阵运算
线性代数中，矩阵的乘法操作在 NumPy 中怎么实现？
常见两种方法：使用 dot 函数，另一种是转化为 matrix 对象。
dot 操作：
# 数值 [1,10) 内，生成 shape 为 (5,2) 的随机整数数组
In [1]: import numpy as np
In [2]: v1 = np.arange(5)
In [3]: v2 = np.random.randint(1,10,(5,2))
In [4]: np.dot(v1,v2)
Out[4]: array([49, 51])另一种方法，将 v1 和 v2 分别转化为 matrix 对象：
In [6]: np.matrix(v1)*np.matrix(v2)
Out[6]: matrix([[49, 51]])需要注意，数组 v1 经过 matrix 转化后，shape 由原来 (5,) 变化为 (1,5)，的确变得更像线性代数中的矩阵：
In [83]: np.matrix(v1).shape
Out[83]: (1, 5)首先，导入与求行列式相关的模块 linalg，求矩阵的行列式，要求数组的最后两个维度相等。
In [10]: from numpy import linalg
In [11]: v1 = np.arange(12)
In [12]: v2 = v1.reshape(3,2,2)
In [13]: linalg.det(v2)
Out[13]: array([-2., -2., -2.])
In [14]: v3 = np.arange(9).reshape(3,3)
In [15]: linalg.det(v3)
Out[15]: 0.0统计变量
NumPy 能方便地求出统计学常见的描述性统计量。
求平均值
In [21]: m1 = np.random.randint(1,10,(3,4))
In [22]: m1
Out[22]:
array([[8, 4, 8, 2],
[4, 9, 2, 1],
[7, 7, 7, 5]])
In [23]: m1.mean() # 默认求出数组所有元素的平均值
Out[23]: 5.333333333333333
In [24]: m1.sum() / 12
Out[24]: 5.333333333333333若想求某一维度的平均值，设置 axis 参数，求 axis 等于 1 的平均值：
In [26]: m1.mean(axis = 1)
Out[26]: array([5.5, 4. , 6.5])求标准差
如下，分别求所有元素的标准差、某一维度上的标准差：
In [28]: m1.std()
Out[28]: 2.592724864350674
In [29]: m1.std(axis=1)
Out[29]: array([2.59807621, 3.082207 , 0.8660254 ])求方差
如下，分别求所有元素的方差、某一维度上的方差：
In [30]: m1.var()
Out[30]: 6.722222222222221
In [31]: m1.var(axis=1)
Out[31]: array([6.75, 9.5 , 0.75])求最大值
如下，分别求所有元素的最大值、某一维度上的最大值：
In [34]: m1.max()
Out[34]: 9
In [35]: m1.max(axis=1)
Out[35]: array([8, 9, 7])求最小值
如下，分别求所有元素的最小值、某一维度上的最小值：
In [36]: m1.min()
Out[36]: 1
In [37]: m1.min(axis=1)
Out[37]: array([2, 1, 5])求和
如下，分别求所有维度上元素的和、某一维度上的元素和：
In [38]: m1.sum()
Out[38]: 64
In [39]: m1.sum(axis=1)
Out[39]: array([22, 16, 26])求累乘
如下，分别求所有维度上元素的累乘、某一维度上的累乘：
In [22]: m1
Out[22]:
array([[8, 4, 8, 2],
[4, 9, 2, 1],
[7, 7, 7, 5]])
In [40]: m1.cumprod()
Out[40]:
array([ 8, 32, 256, 512, 2048, 18432,
36864, 36864, 258048, 1806336, 12644352, 63221760],
dtype=int32)
In [42]: m1.cumprod(axis=1)
Out[42]:
array([[ 8, 32, 256, 512],
[ 4, 36, 72, 72],
[ 7, 49, 343, 1715]], dtype=int32)求累和
如下，分别求所有维度上元素的累加和、某一维度上的累加和：
In [43]: m1.cumsum()
Out[43]: array([ 8, 12, 20, 22, 26, 35, 37, 38, 45, 52, 59, 64], dtype=int32)
In [44]: m1.cumsum(axis=1)
Out[44]:
array([[ 8, 12, 20, 22],
[ 4, 13, 15, 16],
[ 7, 14, 21, 26]], dtype=int32)求迹
对角线上元素的和：
In [22]: m1
Out[22]:
array([[8, 4, 8, 2],
[4, 9, 2, 1],
[7, 7, 7, 5]])
In [45]: m1.trace()
Out[45]: 24改变数组
flatten 函数
NumPy 的 flatten 函数也有改变 shape 的能力，它将高维数组变为向量。但是，它会发生数组复制行为。
In [68]: v1 = np.random.randint(1,10,(2,3))
In [69]: v1
Out[69]:
array([[3, 8, 5],
[2, 3, 4]])
In [70]: v2 = v1.flatten()
In [71]: v2
Out[71]: array([3, 8, 5, 2, 3, 4])v2[0] 被修改为 30 后，原数组 v1 没有任何改变。
In [73]: v2[0] = 30
In [74]: v1
Out[74]:
array([[3, 8, 5],
[2, 3, 4]])newaxis
使用 newaxis 增加一个维度，维度的索引只有 0，本篇的开头已经详细解释过，不再赘述。
In [81]: v1 = np.arange(10) # shape 为一维，(10, )
In [82]: v2 = v1[:,np.newaxis] # shape 为二维，(10,1)repeat
repeat 操作，实现某一维上的元素复制操作。
在维度 0 上复制元素 2 次：
In [132]: a = np.array([[1,2],[3,4]])
In [138]: np.repeat(a,2,axis=0)
Out[138]:
array([[1, 2],
[1, 2],
[3, 4],
[3, 4]])在维度 1 上复制元素 2 次：
In [137]: np.repeat(a,2,axis=1)
Out[137]:
array([[1, 1, 2, 2],
[3, 3, 4, 4]])tile
tile 实现按块复制元素：
In [4]: a = np.array([[1,2],[3,4]])
In [89]: np.tile(a,3)
Out[89]:
array([[1, 2, 1, 2, 1, 2],
[3, 4, 3, 4, 3, 4]])
In [6]: np.tile(a,(2,3))
Out[6]:
array([[1, 2, 1, 2, 1, 2],
[3, 4, 3, 4, 3, 4],
[1, 2, 1, 2, 1, 2],
[3, 4, 3, 4, 3, 4]])vstack
vstack，vertical stack，沿竖直方向合并多个数组：
In [4]: a = np.array([[1,2],[3,4]])
In [5]: b = np.array([[-1,-2]])
In [6]: c = np.vstack((a,b)) # 注意参数类型：元组
Out[5]:
array([[ 1, 2],
[ 3, 4],
[-1, -2]])hstack
hstack 沿水平方向合并多个数组。
值得注意，不管是 vstack，还是 hstack，沿着合并方向的维度，其元素的长度要一致。
In [4]: a = np.array([[1,2],[3,4]])
In [5]: b = np.array([[5,6,7],[8,9,10]])
In [4]: c = np.hstack((a,b))
In [5]: c
Out[5]:
array([[ 1, 2, 5, 6, 7],
[ 3, 4, 8, 9, 10]])concatenate
concatenate 指定在哪个维度上合作数组。
In [4]: a = np.array([[1,2],[3,4]])
In [5]: b = np.array([[-1,-2]])
In [6]: np.concatenate((a,b),axis=0) # 效果等于 vstack
Out[6]:
array([[ 1, 2],
[ 3, 4],
[-1, -2]])
In [7]: c = np.array([[5,6,7],[8,9,10]])
In [108]: np.concatenate((a,c),axis=1) # 效果等于 hstack
Out[108]:
array([[ 1, 2, 5, 6, 7],
[ 3, 4, 8, 9, 10]])NumPy 还有一些小 track，比如 r_ 类、c_ 类，也能实现合并操作。
In [4]: a = np.array([[1,2],[3,4]])
In [5]: b = np.array([[-1,-2]])
In [6]: np.r_[a,b] # r_类
Out[6]:
array([[ 1, 2],
[ 3, 4],
[-1, -2]]) In [7]: a = np.array([[1,2],[3,4]])
In [8]: c = np.array([[5,6,7],[8,9,10]])
In [9]: np.c_[a,c] # c_ 类
Out[9]:
array([[ 1, 2, 5, 6, 7],
[ 3, 4, 8, 9, 10]]) In [10]: np.r_[a,c[:,:2]]
Out[10]:
array([[1, 2],
[3, 4],
[5, 6],
[8, 9]])argmax、argmin
argmax 返回数组中某个维度的最大值索引，当未指明维度时，返回 buffer 中最大值索引。如下所示：
In [131]: a = np.random.randint(1,10,(2,3))
In [132]: a
Out[132]:
array([[8, 1, 4],
[5, 4, 3]])
In [133]: a.argmax()
Out[133]: 0
In [134]: a.argmax(axis = 0)
Out[134]: array([0, 1, 0], dtype=int64)
In [135]: a.argmax(axis = 1)
Out[135]: array([0, 0], dtype=int64)小结
今天总结了 NumPy 的 reshape 操作原理，从而建立起多维度、buffer、view 等概念；讨论了元素级操作、矩阵运算 dot、matrix；8 个统计学常用的统计量求法。
以及改变数组元素、融合数组的方法：repeat、tile、vstack、hstack、concatenate、r_、c_、argmax、argmin。