02 | NumPy（上）：核心数据结构详解-PyTorch深度学习实战

当前位置:　首页>> 技术小册>> PyTorch深度学习实战

02 | NumPy（上）：核心数据结构详解

在深度学习与科学计算的广阔领域中，NumPy（Numerical Python）无疑是一座不可或缺的基石。作为Python的一个扩展库，NumPy提供了高性能的多维数组对象以及操作这些数组的工具，使得在Python中处理大规模数值数据变得既快速又简单。本章“NumPy（上）：核心数据结构详解”将深入探索NumPy的核心——多维数组（ndarray），理解其基础概念、创建方式、基本属性及操作方法，为后续利用NumPy进行高效数据处理和机器学习模型构建打下坚实基础。

一、NumPy简介与安装

NumPy是Python的一个开源数值计算扩展库，它提供了大量的数学函数库以及对数组的支持，特别是大量的维度数组与矩阵运算能力，此外也针对数组运算提供大量的数学函数库。NumPy的底层使用C语言编写，这使得其执行效率远高于纯Python代码。

安装NumPy：

在Python环境中安装NumPy非常简单，可以通过pip命令进行安装：

pip install numpy

安装完成后，即可在Python代码中通过import numpy as np来引入NumPy库，并习惯性地使用np作为别名。

二、NumPy的核心：ndarray

NumPy的核心数据结构是ndarray（N-dimensional array，即N维数组），它是一个固定大小的同类型元素数组。与Python内置的列表（list）相比，ndarray在存储效率和操作速度上具有显著优势，因为ndarray在内存中连续存储数据，且所有元素类型相同，这使得NumPy能够利用底层C语言库进行高效的数组操作。

2.1 ndarray的创建

NumPy提供了多种创建ndarray的方法，包括但不限于以下几种：

使用np.array()：从Python列表或元组等创建ndarray。

import numpy as np
arr = np.array([1, 2, 3, 4, 5])
print(arr)  # 输出：[1 2 3 4 5]

使用np.zeros()和np.ones()：分别创建指定形状的全0和全1数组。

zeros_arr = np.zeros((3, 4))  # 创建一个3x4的全0数组
ones_arr = np.ones((2, 3))    # 创建一个2x3的全1数组

使用np.arange()：类似于Python的range()函数，但返回的是ndarray。
```
arange_arr = np.arange(10)  # 类似于range(10)，但返回ndarray
```
使用np.linspace()：在指定区间内返回均匀间隔的数字组成的数组。
```
linspace_arr = np.linspace(0, 10, 5)  # 从0到10等间距生成5个数
```

使用np.random.rand(), np.random.randn(), np.random.randint()等：生成随机数组。

rand_arr = np.random.rand(3, 4)  # 生成3x4的[0, 1)区间均匀分布的随机数组
randn_arr = np.random.randn(2, 2)  # 生成2x2的标准正态分布随机数组
randint_arr = np.random.randint(1, 10, size=(2, 3))  # 生成2x3的[1, 10)区间随机整数数组

2.2 ndarray的基本属性

了解ndarray的基本属性对于有效操作数组至关重要。主要属性包括：

ndim：数组的维度。

print(arr.ndim)  # 对于一维数组，输出1

shape：数组的维度大小，返回一个元组。
```
print(zeros_arr.shape)  # 输出：(3, 4)
```
size：数组中的元素总数。
```
print(zeros_arr.size)  # 输出：12
```

dtype：数组中元素的类型。

print(arr.dtype)  # 默认为int64，根据输入数据自动推断

itemsize：数组中每个元素的大小（以字节为单位）。
```
print(arr.itemsize)  # 输出根据dtype而定，如int64则为8
```

2.3 ndarray的基本操作

NumPy提供了丰富的数组操作方法，这些操作大大简化了数据处理的复杂度，提高了处理效率。以下是一些基本操作的示例：

索引与切片：与Python列表类似，但支持多维索引。

print(zeros_arr[0, :])  # 输出第一行的所有元素
print(rand_arr[:, 1])   # 输出所有行的第二列

算术运算：对数组进行加、减、乘、除等运算时，NumPy会进行元素级别的操作（广播机制除外）。

add_arr = rand_arr + 10  # 每个元素加10
sub_arr = rand_arr - rand_arr[:, 0:1]  # 列减去对应行的第一个元素

广播机制：当两个数组的形状不一致时，NumPy能够自动扩展（broadcast）较小数组的形状，以便进行元素级操作。
```
a = np.array([[1, 2], [3, 4]])
b = np.array([10, 20])
print(a + b)  # 广播机制，b被扩展为[[10, 20], [10, 20]]
```

聚合操作：如求和、平均值、最大值、最小值等。

print(rand_arr.sum())  # 所有元素的和
print(rand_arr.mean())  # 所有元素的平均值
print(rand_arr.max())  # 所有元素中的最大值
print(rand_arr.argmax())  # 最大值所在位置的索引

排序与搜索：NumPy提供了多种排序和搜索数组元素的函数。

sorted_arr = np.sort(rand_arr)  # 对数组进行排序
indices = np.argsort(rand_arr)  # 返回排序后元素的索引
value_index = np.where(rand_arr == rand_arr.max())[0][0]  # 搜索最大值的位置

数组重塑与转置：改变数组的形状而不改变其数据。

reshaped_arr = rand_arr.reshape((3, -1))  # 重塑数组，-1表示自动计算该维度大小
transposed_arr = rand_arr.T  # 数组转置

三、总结

本章详细介绍了NumPy的核心数据结构——ndarray，包括其创建方式、基本属性以及一系列基本操作方法。NumPy的ndarray不仅为科学计算和数据分析提供了强大的工具，更是深度学习框架（如PyTorch、TensorFlow）底层实现的重要基础。通过深入理解ndarray，读者将能够更好地利用NumPy进行高效的数据预处理和特征工程，为后续深度学习模型的构建与优化奠定坚实的基础。在后续章节中，我们将继续探讨NumPy的高级特性，如广播机制、数组迭代、内存管理等，以及如何利用NumPy与PyTorch等深度学习框架协同工作，共同推进数据科学与人工智能领域的发展。