<kbd id="afajh"><form id="afajh"></form></kbd>
<strong id="afajh"><dl id="afajh"></dl></strong>
    <del id="afajh"><form id="afajh"></form></del>
        1. <th id="afajh"><progress id="afajh"></progress></th>
          <b id="afajh"><abbr id="afajh"></abbr></b>
          <th id="afajh"><progress id="afajh"></progress></th>

          手把手教你用Python的NumPy包處理數(shù)據(jù)

          共 5153字,需瀏覽 11分鐘

           ·

          2020-12-11 06:35


          導(dǎo)讀:本文讓你快速了解一下如何開始使用NumPy。一旦你熟悉了NumPy,就會(huì)發(fā)現(xiàn)Python世界中的大多數(shù)科學(xué)計(jì)算都是圍繞NumPy構(gòu)建的。因此花在NumPy上的學(xué)習(xí)時(shí)間最終對(duì)你是有益的。


          作者:阿迪蒂亞·夏爾馬(Aditya Sharma)、維什韋什·拉維·什里馬利(Vishwesh Ravi Shrimali)、邁克爾·貝耶勒(Michael Beyeler)
          來源:大數(shù)據(jù)DT(ID:hzdashuju)




          如果你已經(jīng)安裝了Anaconda,那么就假設(shè)你已經(jīng)在虛擬環(huán)境中安裝了NumPy。如果你使用過Python的標(biāo)準(zhǔn)發(fā)行版或任何其他發(fā)行版,你可以訪問

          http://www.numpy.org

          并按照所提供的安裝說明進(jìn)行操作。


          01?導(dǎo)入NumPy

          一旦啟動(dòng)了一個(gè)新的IPython或者Jupyter會(huì)話,就可以導(dǎo)入Numpy模塊并按照以下步驟來驗(yàn)證版本:

          import?numpy
          numpy.__version__

          輸出結(jié)果:


          1.15.4

          提示:記得在Jupyter Notebook中,鍵入命令后,你可以按下Ctrl+Enter,以執(zhí)行一個(gè)單元格。或者,按下Shift+Enter以執(zhí)行單元格,并自動(dòng)插入或者選擇該單元格下面的單元格。依次單擊Help | Keyboard Shortcut以檢查所有的鍵盤快捷鍵,或者依次單擊Help | User Interface Tour以進(jìn)行快速瀏覽。

          此處討論的部分包,建議使用NumPy 1.8版本或后續(xù)版本。按照慣例,你會(huì)發(fā)現(xiàn)在科學(xué)Python領(lǐng)域中,大多數(shù)人導(dǎo)入NumPy都會(huì)使用np作為別名:

          import?numpy?as?np
          np.__version__

          輸出結(jié)果:


          1.15.4


          02 理解NumPy數(shù)組

          Python是一種弱類型的語言。這就意味著,你無論何時(shí)創(chuàng)建一個(gè)新變量,都不必指定數(shù)據(jù)類型。例如,下面的內(nèi)容將自動(dòng)表示為一個(gè)整數(shù):

          a?=?5

          輸入下面內(nèi)容以再次確認(rèn):

          type(a)

          輸出結(jié)果:


          int

          注意:因?yàn)闃?biāo)準(zhǔn)Python實(shí)現(xiàn)是用C編寫的,所以每個(gè)Python對(duì)象本質(zhì)上是一個(gè)偽C結(jié)構(gòu)。這對(duì)于Python中的整數(shù)也是如此,實(shí)際上它是指向復(fù)合C結(jié)構(gòu)的指針,包含的不僅僅是原始整數(shù)值。因此,用于表示Python整數(shù)的默認(rèn)C數(shù)據(jù)類型將依賴于你的系統(tǒng)架構(gòu)(即系統(tǒng)是32位還是64位平臺(tái))。

          更進(jìn)一步,我們使用list()命令可以創(chuàng)建一個(gè)整數(shù)列表,這是Python中的標(biāo)準(zhǔn)多元素容器。range (x)函數(shù)將創(chuàng)建從0到x–1的所有整數(shù)。要輸出變量,你可以使用print函數(shù),也可以直接輸入變量名字并按Enter:

          int_list?=?list(range(10))
          int_list

          輸出結(jié)果:

          [0,?1,?2,?3,?4,?5,?6,?7,?8,?9]

          類似地,我們通過讓Python遍歷整數(shù)列表int_list中的所有元素,并對(duì)每個(gè)元素應(yīng)用str()函數(shù)(該函數(shù)將一個(gè)數(shù)轉(zhuǎn)換成一個(gè)字符串),來創(chuàng)建一個(gè)字符串列表:

          str_list?=?[str(i)?for?i?in?int_list]
          str_list

          輸出結(jié)果:

          ['0',?'1',?'2',?'3',?'4',?'5',?'6',?'7',?'8',?'9']

          可是,用列表進(jìn)行數(shù)學(xué)運(yùn)算并不是很靈活。例如,我們想要將int_list中的每個(gè)元素都乘以一個(gè)因子2。執(zhí)行以下操作可能是一種簡單的方法—看看輸出結(jié)果是怎樣的:

          int_list?*?2

          輸出結(jié)果:

          [0,?1,?2,?3,?4,?5,?6,?7,?8,?9,?0,?1,?2,?3,?4,?5,?6,?7,?8,?9]

          Python創(chuàng)建了一個(gè)列表,其內(nèi)容是int_list的所有元素生成了兩次,這并不是我們想要的!

          這就是NumPy的用武之地。NumPy是專為簡化Python中的數(shù)組運(yùn)算而設(shè)計(jì)的。我們可以快速將整數(shù)列表轉(zhuǎn)換為一個(gè)NumPy數(shù)組:

          import?numpy?as?np
          int_arr?=?np.array(int_list)
          int_arr

          輸出結(jié)果:

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

          讓我們看看試著將數(shù)組中的每個(gè)元素相乘會(huì)怎么樣:

          int_arr?*?2

          輸出結(jié)果:

          array([?0??2??4??6??8?10?12?14?16?18])

          這次我們做對(duì)了!加法、減法、除法以及很多其他運(yùn)算也是同樣的。

          而且,每個(gè)NumPy數(shù)組都具有以下屬性:

          • ndim:維數(shù)。
          • shape:每一維的大小。
          • size:數(shù)組中元素的總數(shù)。
          • dtype:數(shù)組的數(shù)據(jù)類型(例如int、float、string等)。

          讓我們來看看整數(shù)數(shù)組的上述屬性:

          print("int_arr?ndim:?",?int_arr.ndim)
          print("int_arr?shape:?",?int_arr.shape)
          print("int_arr?size:?",?int_arr.size)
          print("int_arr?dtype:?",?int_arr.dtype)

          輸出結(jié)果:

          int_arr?ndim:??1
          int_arr?shape:??(10,)
          int_arr?size:??10
          int_arr?dtype:??int64

          從這些輸出中,我們可以看到我們的數(shù)組只包含一維,其包含10個(gè)元素且所有元素都是64位的整數(shù)。當(dāng)然,如果你在32位機(jī)器上執(zhí)行這段代碼,你可能會(huì)得到dtype:int 32。


          03 通過索引訪問單個(gè)數(shù)組元素

          如果你之前使用過Python的標(biāo)準(zhǔn)列表索引,那么你就不會(huì)發(fā)現(xiàn)NumPy中的索引有很多問題。在一維數(shù)組中,通過在方括號(hào)中指定所需的索引,可以訪問第i個(gè)值(從0開始計(jì)算),與Python列表一樣:

          int_arr

          輸出結(jié)果:

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

          int_arr[0]

          輸出結(jié)果:

          0

          int_arr[3]

          輸出結(jié)果:

          3

          要從數(shù)組的末尾建立索引,可以使用負(fù)索引號(hào):

          int_arr[-1]

          輸出結(jié)果:

          9

          int_arr[-2]

          輸出結(jié)果:

          8

          切割數(shù)組還有一些其他很酷的技巧,如下所示:

          int_arr[2:5]?#from?index?2?up?to?index?5?-?1

          輸出結(jié)果:

          array([2,?3,?4])

          int_arr[:5]?#from?the?beginning?up?to?index?5?-?1

          輸出結(jié)果:

          array([0,?1,?2,?3,?4])

          int_arr[5:]?#from?index?5?up?to?the?end?of?the?array

          輸出結(jié)果:

          array([5,?6,?7,?8,?9])

          int_arr[::2]?#every?other?element

          輸出結(jié)果:

          array([0,?2,?4,?6,?8])

          int_arr[::-1]?#the?entire?array?in?reverse?order

          輸出結(jié)果:

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

          建議你自己嘗試使用這些數(shù)組!

          提示:NumPy中切割數(shù)組的一般形式與標(biāo)準(zhǔn)Python列表中的相同。使用x [start: stop: step]訪問數(shù)組x中的一個(gè)片段。如果沒有指定任何一個(gè)值,那么默認(rèn)值為start=0、stop=size of dimension、step=1。


          04 創(chuàng)建多維數(shù)組

          數(shù)組不必局限于列表。實(shí)際上,數(shù)組可以有任意維數(shù)。在機(jī)器學(xué)習(xí)中,通常我們至少要處理二維數(shù)組,列索引表示特定的特征值,行包含實(shí)際的特征值。

          使用NumPy可以輕松地從頭開始創(chuàng)建多維數(shù)組。假設(shè)我們想要?jiǎng)?chuàng)建一個(gè)3行5列的數(shù)組,所有的元素都初始化為0。如果我們不指定數(shù)據(jù)類型,NumPy將默認(rèn)使用float類型:

          arr_2d?=?np.zeros((3,?5))
          arr_2d

          輸出結(jié)果:

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

          使用OpenCV時(shí)你可能就知道:這可以解釋為所有像素設(shè)置為0(黑色)的一個(gè)3×5的灰度圖像。例如,如果你想要?jiǎng)?chuàng)建具有3個(gè)顏色通道(R、G和B)2×4像素的一個(gè)小圖像,但是所有像素都設(shè)置為白色,我們將使用NumPy創(chuàng)建一個(gè)3×2×4的三維數(shù)組:

          arr_float_3d?=?np.ones((3,?2,?4))
          arr_float_3d

          輸出結(jié)果:

          array([[[1.,?1.,?1.,?1.],
          ????????[1.,?1.,?1.,?1.]],

          ???????[[1.,?1.,?1.,?1.],
          ????????[1.,?1.,?1.,?1.]],

          ???????[[1.,?1.,?1.,?1.],
          ????????[1.,?1.,?1.,?1.]]])

          這里,第一維定義顏色通道(OpenCV中的藍(lán)色、綠色和紅色)。因此,如果這是真實(shí)的圖像數(shù)據(jù),我們可以通過切割數(shù)組輕松地獲得第一個(gè)通道中的顏色信息:

          arr_float_3d[0,?:,?:]

          輸出結(jié)果:

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

          在OpenCV中,圖像要么是值在0到1之間的32位浮點(diǎn)數(shù)組,要么是值在0到255之間的8位整數(shù)數(shù)組。因此,使用8位整數(shù),通過指定NumPy的dtype屬性并將數(shù)組中的所有1乘以255,我們還可以創(chuàng)建一個(gè)2×4像素、全為白色的RGB圖像:

          arr_uint_3d?=?np.ones((3,?2,?4),?dtype=np.uint8)?*?255
          arr_uint_3d

          輸出結(jié)果:

          array([[[255,?255,?255,?255],
          ????????[255,?255,?255,?255]],

          ???????[[255,?255,?255,?255],
          ????????[255,?255,?255,?255]],

          ???????[[255,?255,?255,?255],
          ????????[255,?255,?255,?255]]],?dtype=uint8)

          關(guān)于作者:阿迪蒂亞·夏爾馬(Aditya Sharma),羅伯特·博世(Robert Bosch)公司的一名高級(jí)工程師,致力于解決真實(shí)世界的自動(dòng)計(jì)算機(jī)視覺問題。曾獲得羅伯特·博世公司2019年人工智能編程馬拉松的首名。

          維什韋什·拉維·什里馬利(Vishwesh Ravi Shrimali),于2018年畢業(yè)于彼拉尼博拉理工學(xué)院(BITS Pilani)機(jī)械工程專業(yè)。此后一直在BigVision LLC從事深度學(xué)習(xí)和計(jì)算機(jī)視覺方面的工作,還參與了官方OpenCV課程的創(chuàng)建。

          邁克爾·貝耶勒(Michael Beyeler),是華盛頓大學(xué)神經(jīng)工程和數(shù)據(jù)科學(xué)的博士后研究員,致力于仿生視覺的計(jì)算模型研究,以為盲人植入人工視網(wǎng)膜(仿生眼睛),改善盲人的感知體驗(yàn)。他的工作屬于神經(jīng)科學(xué)、計(jì)算機(jī)工程、計(jì)算機(jī)視覺和機(jī)器學(xué)習(xí)的交叉領(lǐng)域。


          本文摘編自機(jī)器學(xué)習(xí):使用OpenCV、Python和scikit-learn進(jìn)行智能圖像處理(原書第2版)》,經(jīng)出版方授權(quán)發(fā)布。


          延伸閱讀機(jī)器學(xué)習(xí)》(原書第2版)

          點(diǎn)擊上圖了解及購買

          轉(zhuǎn)載請(qǐng)聯(lián)系微信:DoctorData


          推薦語:一本基于OpenCV4和Python的機(jī)器學(xué)習(xí)實(shí)戰(zhàn)手冊,既詳細(xì)介紹機(jī)器學(xué)習(xí)及OpenCV相關(guān)的基礎(chǔ)知識(shí),又通過具體實(shí)例展示如何使用OpenCV和Python實(shí)現(xiàn)各種機(jī)器學(xué)習(xí)算法,并提供大量示例代碼,可以幫助你掌握機(jī)器學(xué)習(xí)實(shí)用技巧,解決各種不同的機(jī)器學(xué)習(xí)和圖像處理問題。



          劃重點(diǎn)?


          干貨直達(dá)?


          更多精彩?

          在公眾號(hào)對(duì)話框輸入以下關(guān)鍵詞
          查看更多優(yōu)質(zhì)內(nèi)容!

          PPT?|?讀書?|?書單?|?硬核?|?干貨?|?講明白?|?神操作
          大數(shù)據(jù)?|?云計(jì)算?|?數(shù)據(jù)庫?|?Python?|?可視化
          AI?|?人工智能?|?機(jī)器學(xué)習(xí)?|?深度學(xué)習(xí)?|?NLP
          5G?|?中臺(tái)?|?用戶畫像?|?1024?|?數(shù)學(xué)?|?算法?|?數(shù)字孿生

          據(jù)統(tǒng)計(jì),99%的大咖都完成了這個(gè)神操作
          ?


          瀏覽 18
          點(diǎn)贊
          評(píng)論
          收藏
          分享

          手機(jī)掃一掃分享

          分享
          舉報(bào)
          評(píng)論
          圖片
          表情
          推薦
          點(diǎn)贊
          評(píng)論
          收藏
          分享

          手機(jī)掃一掃分享

          分享
          舉報(bào)
          <kbd id="afajh"><form id="afajh"></form></kbd>
          <strong id="afajh"><dl id="afajh"></dl></strong>
            <del id="afajh"><form id="afajh"></form></del>
                1. <th id="afajh"><progress id="afajh"></progress></th>
                  <b id="afajh"><abbr id="afajh"></abbr></b>
                  <th id="afajh"><progress id="afajh"></progress></th>
                  在线免费观看黄色网页 | 激情内射无码 | 色多多网址| 狠狠人妻久久久 | 扒开屁日本网视频 |