導讀：NumPy（Numerical Python的簡稱）是高性能科學計算和數據分析的基礎包，提供了矩陣運算的功能。

在處理自然語言過程中，需要將文字（中文或其他語言）轉換為向量。即把對文本內容的處理簡化為向量空間中的向量運算。基于向量運算，我們就可以實現文本語義相似度、特征提取、情感分析、文本分類等功能。

作者：涂銘，劉祥，劉樹春

如需轉載請聯系大數據（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復雜廣播能力的多維數組對象。

• 用于對數組數據進行快速運算的標準數學函數。

• 用于讀寫磁盤數據的工具以及用于操作內存映射文件的工具。

• 非常有用的線性代數，傅里葉變換和隨機數操作。

• 用于集成C /C++和Fortran代碼的工具。

除明顯的科學用途之外，NumPy也可以用作通用數據的高效多維容器，可以定義任意的數據類型。這些使得NumPy能無縫、快速地與各種數據庫集成。

提示：這里提到的“廣播”可以這么理解：當有兩個維度不同的數組（array）運算的時候，可以用低維的數組復制成高維數組參與運算（因為NumPy運算的時候需要結構相同）。

本文NumPy的要點包括：

• 創建NumPy數組

• 獲取NumPy中數組的維度

• NumPy數組索引與切片

• NumPy數組比較

• 替代值

• NumPy數據類型轉換

• NumPy的統計計算方法

01 創建數組

在NumPy中，最核心的數據結構是ndarray，ndarray代表的是多維數組，數組指的是數據的集合。為了方便理解，我們來舉一個小例子。

1. 一個班級里學生的學號可以通過一維數組來表示：數組名叫a，在a中存儲的是數值類型的數據，分別是1,2,3,4。

索引	學號
0	1
1	2
2	3
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. 一個班級里學生的學號和姓名，則可以用二維數組來表示：數組名叫b

1	Tim
2	Joey
3	Johnny
4	Frank

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，一維數組通常稱為向量（vector），二維數組通常稱為矩陣（matrix）。

當我們安裝完Anaconda之后，默認情況下NumPy已經在庫中了，所以不需要額外安裝。我們來寫一些語句簡單測試下NumPy：

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

In?[1]:?import?numpy?as?np

稍微解釋下這句語句：通過import關鍵字將NumPy庫引入，然后通過as為其取一個別名np，別名的作用是為了之后寫代碼的時候方便引用。

2）通過NumPy中的array()，可以將向量直接導入：

vector?=?np.array([1,2,3,4])

3）通過numpy.array()方法，也可以將矩陣導入：

matrix?=?np.array([[1,'Tim'],[2,'Joey'],[3,'Johnny'],[4,'Frank']])

02 獲取NumPy中數組的維度

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

之后再通過NumPy中的reshape（row,column）方法，自動構架一個多行多列的array對象。

比如我們輸入：

a?=?np.arange(15).reshape(3,5)?#代表3行5列

可以看到結果：

array([[?0,??1,??2,??3,??4],
???????[?5,??6,??7,??8,??9],
???????[10,?11,?12,?13,?14]])

我們有了基本數據之后，可以通過NumPy提供的shape屬性獲取NumPy數組的維度。

print(a.shape)

可以看到返回的結果，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：

(3,?5)

03 獲取本地數據

我們可以通過NumPy中genfromtxt()方法來讀取本地的數據集。需要使用的數據集，house-prices.csv是由逗號（，）分隔的，在Github的data目錄下能下載到。我們可以使用以下語句來讀取這個數據集：

import?numpy?as?np
nfl?=?np.genfromtxt("D:/numpy/data/price.csv",?delimiter=",")
print(nfl)

上述代碼從本地讀取price.csv文件到NumPy數組對象中（ndarray），我們看一下數據集的前幾行。

[[???????????????nan??????????????nan?????????????nan?????????????nan
?????????????????nan??????????????nan]
????[??1.00000000e+00??1.14300000e+05??2.00000000e+00??2.00000000e+00
?????????????????nan??????????????nan]
????[??2.00000000e+00??1.14200000e+05??4.00000000e+00??2.00000000e+00
?????????????????nan??????????????nan]
????[??3.00000000e+00??1.14800000e+05??3.00000000e+00??2.00000000e+00
?????????????????nan??????????????nan]
????[??4.00000000e+00??9.47000000e+04??3.00000000e+00??2.00000000e+00
?????????????????nan??????????????nan]

暫時先不用考慮返回數據中出現的nan。

每一行的數據代表了房間的地區，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

注意：NumPy數組中的數據必須是相同類型，比如布爾類型（bool）、整型（int），浮點型（float）以及字符串類型（string）。NumPy可以自動判斷數組內的對象類型，我們可以通過NumPy數組提供的dtype屬性來獲取類型。

04 正確讀取數據

回到之前的話題，上文發現顯示出來的數據里面有數據類型na（not available）和nan（not a number），前者表示讀取的數值是空的、不存在的，后者是因為數據類型轉換出錯。對于nan的出錯，我們可以用genfromtxt()來轉化數據類型。

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

• skip_header關鍵字可以設置為整數，這個參數可以跳過文件開頭的對應的行數，然后再執行任何其他操作。

import?numpy?as?np
nfl?=?np.genfromtxt("d:/numpy/data/price.csv",?dtype='U75',?skip_header?=?1,delimiter=",")
print(nfl)

05 NumPy數組索引

NumPy支持list一樣的定位操作。舉例來說：

import?numpy?as?np
matrix?=?np.array([[1,2,3],[20,30,40]])
print(matrix[0,1])

得到的結果是2。

上述代碼中的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，之后的1代表的是列，所以取的是第二列。那么最后第一行第二列就是2這個值了。

06 切片

NumPy支持list一樣的切片操作。

import?numpy?as?np
matrix?=?np.array([
[5,?10,?15],?
????[20,?25,?30],
????[35,?40,?45]
????])
print(matrix[:,1])
print(matrix[:,0:2])
print(matrix[1:3,:])
print(matrix[1:3,0:2])

上述的print（matrix[:,1]）語法代表選擇所有的行，但是列的索引是1的數據。那么就返回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的所有數據。

07 數組比較

NumPy強大的地方是數組或矩陣的比較，數據比較之后會產生boolean值。

舉例來說：

import?numpy?as?np
matrix?=?np.array([
????[5,?10,?15],
[20,?25,?30],
[35,?40,?45]
])
m?=?(matrix?==?25)
print(m)

我們看到輸出的結果為：

[[False?False?False]
????[False??True?False]
????[False?False?False]]

我們再來看一個比較復雜的例子：

import?numpy?as?np
matrix?=?np.array([
[5,?10,?15],
[20,?25,?30],
[35,?40,?45]
????])
second_column_25?=?(matrix[:,1]?==?25)
print(second_column_25)
print(matrix[second_column_25,?:])

上述代碼中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]，最后和25進行比較，得到的就是false,true,false。print（matrix[second_column_25, :]）代表的是返回true值的那一行數據-> [20，25，30]。

注意：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）返回的都是false，如果是equal_to_five_or_ten =（vector == 5）|（vector == 10）返回的是[True,True,False,False]

08 替代值

NumPy可以運用布爾值來替換值。

在數組中：

vector?=?numpy.array([5,?10,?15,?20])
equal_to_ten_or_five?=?(vector?==?10)?|?(vector?==?5)
vector[equal_to_ten_or_five]?=?50
print(vector)
[50,?50,?15,?20]

在矩陣中：

matrix?=?numpy.array([
[5,?10,?15],
[20,?25,?30],
[35,?40,?45]
])
second_column_25?=?matrix[:,1]?==?25
matrix[second_column_25,?1]?=?10
print(matrix)
[[?5?10?15]
????[20?10?30]
????[35?40?45]]

我們先創立數組matrix。將matrix的第二列和25比較，得到一個布爾值數組。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中只能有一個數據類型。我們現在讀取一個字符矩陣，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，比如數據的平均值或者直接把他們刪除。這在大數據處理中很有必要。這里，我們演示把空值替換為“0”的操作。

import?numpy?as?np
matrix?=?np.array([
['5',?'10',?'15'],
['20',?'25',?'30'],
['35',?'40',''?]
????])
second_column_25?=?(matrix[:,2]?==?'')
matrix[second_column_25,?2]='0'
print(matrix)

09 數據類型轉換

NumPy ndarray數據類型可以通過參數dtype 設定，而且可以使用astype轉換類型，在處理文件時這個會很實用，注意astype 調用會返回一個新的數組，也就是原始數據的一份復制。

比如，把String轉換成float。如下：

vector?=?numpy.array(["1",?"2",?"3"])
vector?=?vector.astype(float)

注意：上述例子中，如果字符串中包含非數字類型的時候，從string轉float就會報錯。

10 NumPy的統計計算方法

NumPy內置很多計算方法。其中最重要的統計方法有：

• sum()：計算數組元素的和；對于矩陣計算結果為一個一維數組，需要指定行或者列。

• mean()：計算數組元素的平均值；對于矩陣計算結果為一個一維數組，需要指定行或者列。

• max()：計算數組元素的最大值；對于矩陣計算結果為一個一維數組，需要指定行或者列。

需要注意的是，用于這些統計方法計算的數值類型必須是int或者float。

數組例子：

vector?=?numpy.array([5,?10,?15,?20])
vector.sum()
#得到的結果是50

矩陣例子：

matrix=
array([[?5,?10,?15],
??????????[20,?10,?30],
??????????[35,?40,?45]])
matrix.sum(axis=1)
array([?30,??60,?120])
matrix.sum(axis=0)
array([60,?60,?90])

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

關于作者：涂銘，阿里巴巴數據架構師，對大數據、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，百煉智能自然語言處理專家，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，七牛云高級算法專家，七牛AI實驗室NLP&OCR方向負責人，主要負責七牛NLP以及OCR相關項目的研究與落地。

本文摘編自《Python自然語言處理實戰：核心技術與算法》，經出版方授權發布。

延伸閱讀《Python自然語言處理實戰》

點擊上圖了解及購買

轉載請聯系微信：togo-maruko

推薦語：阿里巴巴、前明略數據和七牛云的高級專家和科學家撰寫，零基礎掌握NLP的核心技術、方法論和經典算法。

據統計，99%的大咖都完成了這個神操作

▼

更多精彩

在公眾號后臺對話框輸入以下關鍵詞

查看更多優質內容！

PPT?|?報告?|?讀書?|?書單

大數據?|?揭秘?|?人工智能?|?AI

Python?|?機器學習?|?深度學習?|?神經網絡

可視化?|?區塊鏈?|?干貨?|?數學

猜你想看

• 白領體檢異常率連年走高，這5本書教你怎樣科學"養生"

• 跟著阿里大牛撈干貨：2019這5本書帶你玩轉大數據
  

• 學AI哪家強？清華全球第1，Top5中有這3所中國高校
  

• 過去的2018年，400000粉絲用指尖投票，選出了這10本技術書
  

Q:?你在用NumPy嗎？都用來做什么？

歡迎留言與大家分享

覺得不錯，請把這篇文章分享給你的朋友

轉載 / 投稿請聯系：baiyu@hzbook.com

更多精彩，請在后臺點擊“歷史文章”查看

點擊閱讀原文，了解更多

總結

以上是生活随笔為你收集整理的NumPy入门攻略：手把手带你玩转这款强大的数据分析和计算工具的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。