NumPy实战：Chapter-1（初识NumPy)

本文主要是介绍NumPy实战：Chapter-1（初识NumPy)，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

为什么学习NumPy
使用Ipython
- - 打开IPython的shell界面
  - 保存会话
  - 执行系统的shell命令
  - 显示历史记录
使用notebook
- - 运行notebook
  - 初试notebook
  - 导出基于Web的notebook
  - 导入基于Web的notebook
SciPy和PIL
- 安装软件
  - 安装SciPy
    - 检查安装是否完成
  - 安装PIL
    - 检查安装是否完成
SciPy和PIL的实例
- 调整图像大小
  - 加载图像face到数组中
  - 检查数组的形状
  - 调整数组的大小
  - 绘制数组对应的图像
  - 本小节完整代码
- 创建视图和副本
  - 下面我们将创建一张图片的副本同时创建一张图片的视图
  - 使用flat迭代器把视图中所有的值清零
  - 本小节所有的代码
- 翻转图像
  - 绘制翻转后的图像
  - 绘制图像的一部分
  - 对图像应用遮罩的效果
  - 本小节所有代码
- 高级索引
  - 把第一条对角线位置上的数值置为白点
- 两条对角线的值都置为白点
  - 本小节所有代码
- 布尔型索引
  - 在图像中添加点状的对角线
  - 把指定范围内的数值置255带阻功能
  - 本小节所有代码
参考资料

为什么学习NumPy

最近在学习机器学习的时候，发现许多地方都需要操作数组，尤其是在做数据预处理的时候，需要对数据去均值、对图像做增强(分割、水平翻转等)。这都需要我们了解python中数组数据处理，而NumPy是python中一个有名的科学计算库，所以我准备系统的学习一下NumPy。

当然我们并不只是学习NumPy这一个软件，Python科学计算生态系统中的其他软件，如数值计算库SciPy、绘图库Matplotlib和各种scikit项目(机器学习中大量用的这个)等。

学习的过程中，需要安装多种软件库，这里我建议直接安装一个Python的发行版，我安装的就是Anaconda(TensorFlow安装也需要),省了很多事。

使用Ipython

IPython是一个工具集合，因为它的Shell而为人熟知，在Shell中，我们可以交互式的学习，想必用惯了matlab或者IDLE，会很习惯使用IPython。现在IPython中基于Web的notebook的一个非常好用的工具，且集成了许多其他功能。IPython中包括各种组件，其中两个主要的组件是：

基于终端方式和基于Qt的交互式Python shell
支持多媒体和绘图功能的基于web的notebook

打开IPython的shell界面

一般使用IPython做科学计算时，我们会增加pylab选项开关，增加pylab选项可以自动引入SciPy/NumPy和Matplotlib软件包，这样可以方便我们调用。
使用命令

 ipython -pylab

这里写图片描述

保存会话

在使用IPyhon的时候，有时我们可能需要回溯做过的操作，这需要我们开始记录我们的操作，在IPython中我们可以保存会话以供将来查看，这需要使用以下命令:

    %logstart   #开始记录文件...  # 我们的操作实验%logoff     #停止记录文件

这里写图片描述

执行系统的shell命令

在调试程序时，我们可以需要使用默认设置的IPython环境中执行系统shell命令时，；；例如获取当前系统时间(可以使用time模块，很麻烦)，这时我们可以在交互语句中使用！shell指令，即在系统命令前加！前缀，例如:

    ！date  #使用shell命令 查看当前时间# 也可以将shell命令执行后的结果保存thedate = !dateprint thedate[0]

这里写图片描述

显示历史记录

上面我们讲了如果记录操作记录，记录是为了后续的查看使用，这里我们可以使用%hist命令显示操作的历史记录：

%hist

使用%hist -g选项，可以实现对历史记录的搜索

%hist -g xxxx  # 对历史记录搜索xxxx

这里写图片描述

使用notebook

IPython有一个特性-基于Web的notebook，它可以通过Web方式提供notebook界面，我们可以启动一个notebook服务器，获得一个基于Web的IPython运行环境，notebook除了具备常规IPython环境中的大多数特性，还包括以下特性。

显示图像和嵌入式图标
在文本单元格中使用HTML和Markdown
notebook的导入和导出

运行notebook

使用如下命令，启动notebook:

ipython notebook

基于web的notebook界面如下（浏览器下）:

这里写图片描述

初试notebook

1. 创建一个notebook对话
在notebook开始页面上，我们可以选中New|Python2 创建一个新的基于Web的Python对话框：

这里写图片描述

2. 导入pylab模型
上面我们讲到了，在使用IPython做科学计算时，我们会选用pylab选项，当然在notebook中我们也可以选用pylab选项，使用命令如下:

%pylab  # 输入完%pylab后，使用shift+enter执行

操作结果如下:

这里写图片描述

3. 创建一个数组并使用plot绘制
在notebook中键入程序，并使用shift+enter执行程序：

    a = range(10)plot(sqrt(a))  #绘制图片

可以看到，和终端对话框的界面类似，比终端对话框好看的多~！

这里写图片描述

导出基于Web的notebook

notebook下也可以记录操作指令，用于查看。操作过程是:在File菜单下，可以将notebook工程保存成html或者pdf供别人查看;或者保存成Python或.ipynb(json格式)。

这里写图片描述

导入基于Web的notebook

相对于记录操作指令，也就会有查看指令，一般的pdf或者html直接打开就可以。还有一些其他文件格式，例如ipynb文件，我们可以使用Home下的Upload将需要导入的文件导入，在目录下打开即可.

这里写图片描述

SciPy和PIL

上一节我们简单的介绍了NumPy，NumPy以高效率的数组著称，这主要归功于索引的易用性。我们将以图像处理为例展示高级的索引技巧。在深入研究索引之前，我们要先做好准备工作–安装必备的软件SciPy和PIL.

SciPy：用于科学计算
PIL：Python Imaging Libraryd的缩写，因为实例中涉及图像处理，为此，我们需要用到Python图像库PIL

安装软件

安装SciPy

使用python自带工具pip安装

pip install scipy

ubuntu下使用apt安装

sudo apt-get install python-scipy

检查安装是否完成

在python环境中尝试导入scipy包，使用version和file等BIL方法查看scipy包的信息.下图是在notebook中导入scipy包，并查看scipy包信息.

这里写图片描述

安装PIL

使用Ubuntu下的apt工具安装:

sudo apt-get install python-imaging

使用pip工具安装:

pip install pillow
# Pillow是PIL的一个派生分支，但如今已经发展成为比PIL本身更具活力的图像处理库,且原本的PIL只支持到2.7

检查安装是否完成

在python环境中尝试导入PIL包，使用version和file等BIL方法查看PIL包的信息.下图是在notebook中导入PIL包，并查看PIL包信息.

这里写图片描述

SciPy和PIL的实例

调整图像大小

1. 加载图像face到数组中

        import scipy.misc as miscface = misc.face()

这里写图片描述

2. 检查数组的形状

face.shape

这里写图片描述

可以看到图片的大小是3通道768*1024;

3. 调整数组的大小

我们使用numpy.repeat函数来调整大小，repeat是将数组的元素重复以达到调整数组大小的目的(重复倍数需整数倍)

        resized = face.repeat(1,axis=0).repeat(3,axis=1)# 第一位维度元素不变，第二维度元素重复3遍

这里写图片描述

函数说明：numpy.repeat(a, repeats, axis=None)

项目	含义
参数
a	int or array of ints. 输入array
repeats	int 或ints 每个元素的重复次数。重复以适应给定轴的shape
axis	int, optional 制定要重复的数轴(取值不能超过输入的shape)

返回值	修改后的array

Examples

>>> np.repeat(3, 4)
array([3, 3, 3, 3])
>>> x = np.array([[1,2],[3,4]])
>>> np.repeat(x, 2)
array([1, 1, 2, 2, 3, 3, 4, 4])
>>> np.repeat(x, 3, axis=1)
array([[1, 1, 1, 2, 2, 2],[3, 3, 3, 4, 4, 4]])
>>> np.repeat(x, [1, 2], axis=0)
array([[1, 2],[3, 4],[3, 4]])

4. 绘制数组对应的图像

matplotlib中的subplot函数用来创建子图。这个函数以一个3位的整数作为参数，最高位代表行数，第二数字代表列数，最后一个数字代表子图的位置索引(从1开始编号)。imshow用来显示图像，show用来显示结果.

    matplotlib.pyplot.subplot(121)matplotlib.pyplot.imshow(face)matplotlib.pyplot.subplot(122)matplotlib.pyplot.imshow(resized)

这里写图片描述

本小节完整代码

    import scipy.misc as miscimport matplotlib.pyplot as plotface = misc.face()print(face.shape)resized = face.repeat(1,axis=0).repeat(3,axis=1)resized.shapeplot.subplot(121)matplotlib.pyplot.imshow(face)plot.subplot(122)plot.imshow(resized)

创建视图和副本

我们在与一个共享的数组视图打交道时，要注意视图不是只读的，在应用中，一个切片(slice)对应一个视图。如果你把一个切片赋值给一个变量，随后改变了切片所在数组的内容，那么变量的值也会改变。(可以理解为变量是切片的引用)

1.下面我们将创建一张图片的副本，同时创建一张图片的视图

    acopy = face.copy()aview = face.view()plot.subplot(211)plot.imshow(acopy)plot.subplot(212)plot.imshow(aview)

这里写图片描述

2.使用flat迭代器，把视图中所有的值清零

如果想对每个数组中元素进行运算，我们可以使用flat属性，该属性是数组元素的一个迭代器.

    aview.flat = 0plot.subplot(211)plot.imshow(acopy)plot.subplot(212)plot.imshow(face)

可以看见，图像已经被清空了

这里写图片描述

本小节所有的代码

    import scipy.misc as miscimport matplotlib.pyplot as plotface = misc.face()acopy = face.copy()aview = face.view()aview.flat = 0   #使用flat迭代器，把视图中所有的值都清零plot.subplot(221)plot.imshow(face) # 处理视图，会影响原图像plot.subplot(222)plot.imshow(acopy)plot.subplot(223)plot.imshow(aview)plot.subplot(224)plot.imshow(aview)

翻转图像

有时在图像处理时，我们需要对图像做翻转操作(例如做图像样本增强操作)，处了图像翻转，还会绘制出它的一部分以及对其应用遮罩的效果。

1.绘制翻转后的图像

    plot.subplot(111)plot.imshow(face[:,::-1]) #切片操作 列不变  行翻转 图像水片翻转plot.imshow(face[::-1,:]) #切片操作 行不变  列翻转 图像上下翻转

这里写图片描述

2.绘制图像的一部分

    plot.subplot(111)plot.imshow(face[:face.shape[0]/2,:face.shape[1]/2]) #行列各取一半

这里写图片描述

3.对图像应用遮罩的效果

    mask = face % 2 ==0  #每个像素点每个通道值是否被2整除masked_face = face.copy()masked_face[mask] = 0 # 为true的点像素值置黑plot.subplot(111)plot.imshow(masked_face)

这里写图片描述

本小节所有代码

    import scipy.misc as miscimport matplotlib.pyplot as plotface = misc.face()plot.subplot(221)plot.imshow(face)plot.subplot(222)plot.imshow(face[:,::-1])plot.subplot(223)plot.imshow(face[:face.shape[0]/2,:face.shape[1]/2])mask = face % 2 ==0masked_face = face.copy()masked_face[mask] = 0plot.subplot(224)plot.imshow(masked_face)

高级索引

本节将使用高级索引技术，在图像的对角线位置上的数值值零，效果就是在图像上画两条对角线，没有啥实际意义。与常规索引不同的是，高级索引不使用整数或切片作为索引值。

1.把第一条对角线位置上的数值置为白点

    ascent = misc.ascent()xmax = ascent.shape[0]ymax = ascent.shape[1]ascent[range(xmax),range(ymax)] =255  #使用range从0循环到xmax

这里写图片描述

2.两条对角线的值都置为白点

 ascent[range(xmax-1,-1,-1),range(ymax)] =255 #列变量倒序循环

这里写图片描述

本小节所有代码

    import scipy.misc as miscimport matplotlib.pyplot as plotascent = misc.ascent()xmax = ascent.shape[0]ymax = ascent.shape[1]ascent[range(xmax),range(ymax)] =255ascent[range(xmax-1,-1,-1),range(ymax)] =255plot.subplot(111)plot.imshow(ascent)

布尔型索引

布尔型索引就是基于布尔数组的索引，属于高级索引技术的范畴。

1.在图像中添加点状的对角线

建立函数get_indices用于创建可以整数4的bool型数组,对图像的处理与先前讲的遮盖类似

    def get_indices(size):arr = numpy.arange(size)  # 扩充一个数组，数组值为0-sizereturn arr % 4 == 0 #返回是的bool型数组copy = ascent.copy()xindices = get_indices(ascent.shape[0])yindices = get_indices(ascent.shape[1])copy[xindices,yindices] = 255

这里写图片描述

2.把指定范围内的数值置255(带阻功能)

ascent[(ascent > ascent.max()/4) & (ascent <3 * ascent.max()/4)] = 255  # 将像素值大于最大像素值的1/4小于3/4的像素点设置为白点

这里写图片描述

本小节所有代码

    import scipy.misc as miscimport matplotlib.pyplot as plotascent = misc.ascent()def get_indices(size):arr = numpy.arange(size)  # 扩充一个数组，数组值为0-sizereturn arr % 4 == 0 #返回是的bool型数组copy = ascent.copy()xindices = get_indices(ascent.shape[0])yindices = get_indices(ascent.shape[1])copy[xindices,yindices] = 255plot.subplot(211)plot.imshow(copy)ascent[(ascent > ascent.max()/4) & (ascent <3 * ascent.max()/4)] = 255plot.subplot(212)plot.imshow(ascent)

参考资料

《NumPy攻略》 -Ivan Idris

这篇关于NumPy实战：Chapter-1（初识NumPy)的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

NumPy实战：Chapter-1（初识NumPy)

为什么学习NumPy

使用Ipython

打开IPython的shell界面

保存会话

执行系统的shell命令

显示历史记录

使用notebook

运行notebook

初试notebook

导出基于Web的notebook

导入基于Web的notebook

SciPy和PIL

安装软件

安装SciPy

检查安装是否完成

安装PIL

检查安装是否完成

SciPy和PIL的实例

调整图像大小

1. 加载图像face到数组中

2. 检查数组的形状

3. 调整数组的大小

4. 绘制数组对应的图像

本小节完整代码

创建视图和副本

1.下面我们将创建一张图片的副本，同时创建一张图片的视图

2.使用flat迭代器，把视图中所有的值清零

本小节所有的代码

翻转图像

1.绘制翻转后的图像

2.绘制图像的一部分

3.对图像应用遮罩的效果

本小节所有代码

高级索引

1.把第一条对角线位置上的数值置为白点

2.两条对角线的值都置为白点

本小节所有代码

布尔型索引

1.在图像中添加点状的对角线

2.把指定范围内的数值置255(带阻功能)

本小节所有代码

参考资料

相关文章