导言： numpy(numericalpython的简称) )是高性能科学计算和数据分析的基础软件包，提供了矩阵运算的功能。
要处理自然语言，必须将字符(中文或其他语言)转换为向量。 即，将对文本内容的处理简化为向量空间中的向量运算。 基于向量运算，可以实现文本语义相似度、特征提取、情感分析、文本分类等功能。
作者：敏感水壶，灵巧热狗，zydyl
转载时请联系华章科学技术
NumPy具有以下主要功能：
具有ndarray——向量运算和复杂广播功能的多维数组对象。 用于快速运算数组数据的标准数学函数。 用于读写磁盘数据的工具和用于处理内存映射文件的工具。 很有用的线性代数，傅立叶变换和随机数操作。 用于整合C /C和Fortran代码的工具。 除了明显的科学用途外，NumPy还可以用作通用数据的高效多维容器，可以定义任意数据类型。 这样，NumPy就可以与各种数据库无缝、快速地集成。
提示：可以理解为，这里提到的“广播”在存在维度不同的两个数组(array )运算的情况下，可以通过低维数组复制到高维数组来参加运算(在NumPy运算的情况下，因为结构需要相同)
本文的NumPy要点如下。
在通过创建NumPy数组将NumPy中数组的维NumPy数组索引与切片NumPy数组进行比较来获取替代值NumPy数据类型转换NumPy的统计计算方法
01 创建数组
numpy中，最核心的数据结构是ndarray，即nd arrary 为了便于理解，我举一个小例子。1 .某班学生的学号可以用一维数组表示。 数组的名称为a，a包含1、2、3、4数值类型的数据。
其中，a[0]表示第一个学生的学号1，a[1]表示第二个学生的学号2，诸如此类。
2 .一个班学生的学号和名字可以用二维数组表示。 数组名称为b
类似的东西，其中b [ 0，0 ]表示1 (学号)，b [ 0，1 ]表示Tim ) )学号为1的学生的名字)，类推b [ 1，0 ]表示2 )等。
借用线性代数的说法，一维数组通常称为矢量(vector )，二维数组通常称为矩阵) matrix )。
安装Anaconda后，缺省情况下，NumPy已经在库中，因此不需要其他安装。 用几个句子的简单测试来写NumPy吧：
1 )如果输入Anaconda，但未报告错误，则NumPy正常工作。
in :导入编号为
我给你解释一下这个句子。 使用import关键字部署NumPy库，并在as中使用别名np。 别名的作用是在以后编写代码时便于参考。
2 ) NumPy的阵列) )，可以直接导入向量。
vector=NP.array ([ 1，2，3，4 ]
3 ) numpy.array ) )方法还可以导入矩阵。
Matrix=NP.Array([1，‘Tim’，“2，‘令人担忧的哑铃’”，“3，‘约翰尼斯’”，“4，‘弗兰克’”) )
02 获取NumPy中数组的维度
首先，使用NumPy方法之一的arange(n )生成0到n-1的数组。 例如，如果输入NP.arange(15 )，则可以看到返回的结果为array ) [ 0，1，2，3，4，5，6，7，8，9，10，12，13，14 ]。然后，使用NumPy的reshape(row，column方法)自动生成多行多列的array对象。
例如，我们输入的是：
a=NP.arange(15 ).reshape ) 3，5 ) #表示第3行第5列
可以看到结果：
数组([ 0，1，2，3，4 ]，
[ 5，6，7，8，9 ]、
[ 10，11，12，13，14 ] )
如果有基本数据，可以从NumPy提供的shape属性中检索NumPy数组的维。
打印(a .形状) )。
知道返回的结果。 这是元组，前3个表示3行，第2个5表示5列。
(3，5 ) ) )。
03 获取本地数据
numpy的genfromtxt (可以使用方法读取本地数据集。 house-prices.csv用逗号(，)分隔，可以在Github的data目录下下载要使用的数据集。 要读取此数据集，请使用以下语句：导入编号为
NFL=NP.genfromtxt(d:/nu
mpy/data/price.csv", delimiter=",") print(nfl)上述代码从本地读取price.csv文件到NumPy数组对象中（ndarray），我们看一下数据集的前几行。
[[ 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]暂时先不用考虑返回数据中出现的nan。
每一行的数据代表了房间的地区，是否是砖瓦结构，有多少卧室、洗手间以及价格的描述。
每个列代表了：
Home：房子的idPrice：房子的价格Bedrooms：有多少个卧室Bathroom：有多少个洗手间Brick：是否是砖房Neighborhood：地区注意：NumPy数组中的数据必须是相同类型，比如布尔类型（bool）、整型（int），浮点型（float）以及字符串类型（string）。NumPy可以自动判断数组内的对象类型，我们可以通过NumPy数组提供的dtype属性来获取类型。
04 正确读取数据
回到之前的话题，上文发现显示出来的数据里面有数据类型na（not available）和nan（not a number），前者表示读取的数值是空的、不存在的，后者是因为数据类型转换出错。对于nan的出错，我们可以用genfromtxt()来转化数据类型。
dtype关键字要设定为‘U75’.表示每个值都是75byte的unicode。skip_header关键字可以设置为整数，这个参数可以跳过文件开头的对应的行数，然后再执行任何其他操作。import numpy as np nfl = np.genfromtxt("d:/numpy/data/price.csv", dtype='U75', skip_header = 1,delimiter=",") print(nfl)05 NumPy数组索引
NumPy支持list一样的定位操作。举例来说：
import numpy as np matrix = np.array([[1,2,3],[20,30,40]]) print(matrix[0,1])得到的结果是2。
上述代码中的matrix[0,1]，其中0代表的是行，在NumPy中0代表起始第一个，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这个值了。
06 切片
NumPy支持list一样的切片操作。
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]）语法代表选择所有的行，但是列的索引是1的数据。那么就返回10，25，40。
print（matrix[:,0:2]）代表的是选取所有的行，列的索引是0和1。
print（matrix[1:3,:]）代表的是选取行的索引值1和2以及所有的列。
print（matrix[1:3,0:2]）代表的是选取行的索引1和2以及列的索引是0和1的所有数据。
07 数组比较
NumPy强大的地方是数组或矩阵的比较，数据比较之后会产生boolean值。
举例来说：
import numpy as np matrix = np.array([ [5, 10, 15], [20, 25, 30], [35, 40, 45] ]) m = (matrix == 25) print(m)我们看到输出的结果为：
[[False False False] [False True False] [False False False]]我们再来看一个比较复杂的例子：
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, :])上述代码中print（second_column_25）输出的是[False True False]，首先matrix[:,1]代表的是所有的行，以及索引为1的列->[10,25,40]，最后和25进行比较，得到的就是false,true,false。print（matrix[second_column_25, :]）代表的是返回true值的那一行数据-> [20，25，30]。
注意：上述的例子是单个条件，NumPy也允许我们使用条件符来拼接多个条件，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可以运用布尔值来替换值。
在数组中：
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]在矩阵中：
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]]我们先创立数组matrix。将matrix的第二列和25比较，得到一个布尔值数组。second_column_25将matrix第二列值为25的替换为10。
替换有一个很棒的应用之处，就是替换那些空值。之前提到过NumPy中只能有一个数据类型。我们现在读取一个字符矩阵，其中有一个值为空值。其中的空值我们很有必要把它替换成其他值，比如数据的平均值或者直接把他们删除。这在大数据处理中很有必要。这里，我们演示把空值替换为“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 数据类型转换
NumPy ndarray数据类型可以通过参数dtype 设定，而且可以使用astype转换类型，在处理文件时这个会很实用，注意astype 调用会返回一个新的数组，也就是原始数据的一份复制。
比如，把String转换成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数字类型的时候，从string转float就会报错。
10 NumPy的统计计算方法
NumPy内置很多计算方法。其中最重要的统计方法有：
sum()：计算数组元素的和；对于矩阵计算结果为一个一维数组，需要指定行或者列。mean()：计算数组元素的平均值；对于矩阵计算结果为一个一维数组，需要指定行或者列。max()：计算数组元素的最大值；对于矩阵计算结果为一个一维数组，需要指定行或者列。需要注意的是，用于这些统计方法计算的数值类型必须是int或者float。
数组例子：
vector = numpy.array([5, 10, 15, 20]) vector.sum() #得到的结果是50矩阵例子：
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计算的是行的和，结果以列的形式展示。axis = 0计算的是列的和，结果以行的形式展示。
延伸学习
官方推荐教程是不错的入门选择：
https://docs.scipy.org/doc/numpy-dev/user/quickstart.html
关于作者：敏感的水壶，阿里巴巴数据架构师，对大数据、自然语言处理、Python、Java相关技术有深入的研究，积累了丰富的实践经验。
灵巧的热狗，百炼智能自然语言处理专家，主要研究知识图谱、NLG等前沿技术，参与机器自动写作产品的研发与设计。
zydyl，七牛云高级算法专家，七牛AI实验室NLP&OCR方向负责人，主要负责七牛NLP以及OCR相关项目的研究与落地。
本文摘编自《Python自然语言处理实战：核心技术与算法》，经出版方授权发布。
延伸阅读《Python自然语言处理实战》
推荐语：阿里巴巴、前明略数据和七牛云的高级专家和科学家撰写，零基础掌握NLP的核心技术、方法论和经典算法。