图解入门 NumPy，来了！

Python与算法社区

已原创425篇，干货满满

值得星标

01

02

03

三步加星标

施工计划来到数据分析以及爬虫部分，Python领域，提到数据，自然会联想到一个包，NumPy，它太通用了，Pandas，SciPy，Tensorflow，scikit-learn 都选它为基础框架，所以Python生态里，掌握NumPy几乎是必须的。

NumPy处理数据，书写精简，能方便地对数据进行切片，切块，多维向量操作。

一般常见的数据类型有四种，以excel或csv为代表的二维数组型表格，还有以单通道或多通道的图像cv文件，还有一维数组格式的音频文件，最后以输入文本为代表的nlp

这些不同种类的输入数据格式，都能通过NumPy方便的表示和处理。正因如此，进一步强化了NumPy的王者地位。

就拿32乘32像素的黑白图片而言，只需一行代码便提取出左上角的10个像素块：

In [11]: a=np.random.randint(0,255,size=(32,32))                                
# 提取左上角的10*10的像素块
In [14]: a[:10,:10]                                                             
Out[14]: 
array([[115, 168,  94,  97, 208, 249,  94,  11, 194, 185],
       [ 77, 130, 203, 188, 243, 207, 229, 213, 170,  52],
       [250,  98,   7, 234,  69, 188, 152,  66, 210, 159],
       [228, 252, 122, 126,  36, 126, 210, 176,  60, 136],
       [103,  26,  98,  57,  56, 206, 221,   9, 165,  90],
       [ 47, 188,  55,  92, 169,   4, 150, 200, 105,  84],
       [241,  36, 161,   3,  57, 198, 216,  26,  33,  13],
       [ 34,  65, 175, 213,  52, 159,   7, 102, 102, 133],
       [214, 192,  38, 252,  12,  71,  38,  44, 165, 135],
       [234, 105, 130, 189, 162, 247,  58,  80,  88,  83]])

接下来，看看NumPy的基础用法。

要想快速掌握NumPy，要理解一些基本原理，如应用最广泛的reshape方法，通过它能将一维数组转为多维，反之亦然。表象为多维，实质在内存中始终为一维。

结合图形可视化，加速理解NumPy中的这些基本运算，如两个一维数组相加的可视化：

再有，NumPy的重要机制之一：广播，可能有些读者对其有些迷惑，不知何为广播，借助可视化图，一看便知：

1个1.6，被广播为2个1.6，原因是要与前面的数组长度匹配上，然后逐元素相加。

除了数组对象之外，NumPy又封装一个矩阵对象，它能提供线代中的点乘操作，这是机器学习公式运算所需要的，点乘的可视化图形为：

点乘实际上等价于：

 

其他剩余操作，如按块索引、常见聚合操作，也有对应的可视化图。

我把它们整理为一个pdf文档，一共14页，取名为《图解入门NumPy》，想要的微信我，备注：图解

不必打赏

给我点个赞

就心满意足了