numpy 入门
它是干什么的
Python 自带的列表能装东西,但算起来慢。
它装的是“指向对象的指针”,不是数字本身。每次算两个元素,都要先顺着指针找到对象、判断类型、再运算。
numpy 换了个存法:一块连续的内存,装同一类型的数据。类型固定,所以能直接对内存做运算, 还能一次算一整片(向量化)。
实测,100 万个整数乘 2 再求和:
| 做法 | 耗时 |
|---|---|
| Python 列表推导 | 0.137 秒 |
| numpy 数组 | 0.0054 秒 |
快 25 倍。而且代码还更短。
numpy 把“循环”从 Python 层搬到了 C 层。
你写 a * 2,看起来没有循环,其实底下有一个——只不过那个循环是编译好的 C 代码在跑, 比 Python 解释器快一两个数量级。
导入约定
import numpy as np全世界的 numpy 代码都用 np 这个别名。跟着用就行,别自创。
核心对象:ndarray
numpy 里只有一个数据结构值得学,叫 ndarray(N 维数组)。
它由两部分组成:
- 数据本身:一块连续内存,全是同一种类型
- 元信息:形状(shape)、类型(dtype)、步长(strides)
关键理解:形状不是数据的属性,是“怎么看这块内存”的方式。 同一个数组可以看成 3 行 4 列,也可以看成 2 行 6 列——数据没动,只是读法变了。
创建
最常用的四种:
np.array([1, 2, 3]) # 从 Python 列表
np.zeros((2, 3)) # 全 0,指定形状
np.arange(0, 10, 2) # 等差:0 2 4 6 8
np.linspace(0, 1, 5) # 等分:0 0.25 0.5 0.75 1arange 你给的是步长(差多少),终点可能取不到。
linspace 你给的是个数(切几份),终点一定包含在内。
画函数图像时用 linspace,因为你要的是“在这段区间均匀取 N 个点”。
看形状
a = np.arange(12).reshape(3, 4)
a.shape # (3, 4)
a.ndim # 2
a.size # 12
a.dtype # dtype('int64')reshape 不复制数据,只是换一种读法——12 个数还是那 12 个数。
索引
和 Python 列表几乎一样,但多了几个能力:
a[0] # 第一行
a[0, 1] # 第一行第二列(也可以写 a[0][1])
a[:, 0] # 所有行的第一列
a[1:, :2] # 第二行起,前两列更有用的是布尔索引:
a[a > 5] # 取出所有大于 5 的元素,返回一维数组这一行等价于循环 + if,但快得多。数据清洗里到处都是它。
切片是视图,不是拷贝
这是 numpy 最容易踩的坑:
v = np.arange(5) # [0 1 2 3 4]
s = v[1:4]
s[0] = 99
print(v) # [ 0 99 2 3 4] ← 原数组也变了因为快。切 100 万行数据,如果每次都复制,内存和时间都受不了。
想真正复制一份,用 .copy()。
判断标准:切片、reshape、转置都返回视图;花式索引、布尔索引返回拷贝。
运算:逐元素
这是 numpy 和列表最大的区别:
a = np.array([1, 2, 3])
a + 10 # [11 12 13]
a * 2 # [2 4 6]
a ** 2 # [1 4 9]
a + a # [2 4 6]列表的 + 是拼接,numpy 的 + 是逐个相加。这是两套语义。
a * 2 不是“把数组看成一个整体乘 2”,是“每个元素都乘 2”。
这个叫向量化。写代码时脑子里要想着“对每个元素做什么”,手上写的是整体操作。
广播:形状不同也能算
如果形状不一样呢?
a = np.ones((3, 4))
b = np.array([1, 2, 3, 4])
a + b # b 被"复制"成 3 行,逐行相加numpy 会把 b(形状 4)自动扩展成 (3, 4) 参与运算。这叫广播。
但不是什么形状都能广播:
np.ones(3) + np.ones(4)
# ValueError: operands could not be broadcast together with shapes (3,) (4,)从最后一维开始往前比,每一维要么相等,要么其中一个是 1,要么其中一个不存在。
(3, 1) 和 (1, 4):最后一维 1 vs 4 → 可广播成 4;倒数第二维 3 vs 1 → 可广播成 3。结果 (3, 4)。
(3,) 和 (4,):最后一维 3 vs 4,既不相等也没有 1 → 报错。
沿轴聚合
最常见的困惑是 axis 参数:
a = np.arange(12).reshape(3, 4)
a.sum() # 66 全部加起来
a.sum(axis=0) # [12 15 18 21] 每列的和
a.sum(axis=1) # [ 6 22 38] 每行的和axis=0 是把第 0 维“压掉”。
a 的形状是 (3, 4)。axis=0 压掉第 0 维的 3,剩下 (4,)—— 所以结果是 4 个数,也就是每列的和。
别记“行还是列”,记“哪一维消失了”。这样三维、四维也不会搞错。
常用的几个
| 函数 | 做什么 |
|---|---|
np.mean(a) | 平均 |
np.std(a) | 标准差 |
np.min / np.max | 最小 / 最大 |
np.argmax(a) | 最大值在第几个位置 |
np.sort(a) | 排序 |
np.unique(a) | 去重 |
np.dot(A, B) 或 A @ B | 矩阵乘法(不是逐元素!) |
np.linalg.inv(A) | 求逆 |
一个完整的小例子
用 numpy 算一组数据的标准化(也就是第 3 章的 StandardScaler):
x = np.array([2.0, 4.0, 4.0, 4.0, 5.0, 5.0, 7.0, 9.0])
z = (x - x.mean()) / x.std()
# [-1.5 -0.5 -0.5 -0.5 0. 0. 1. 1.5]三行代码,没有循环。这就是 numpy 的写法:把公式直接翻译成代码。
第一课只讲“它是什么、怎么用”。真正的函数细节在第二课的用法大全里,当字典查。
不要试图背下来。知道有这么个东西、知道去哪查就够了。