Python数据分析 | Numpy与高维数组操作♀?♀作者：韩信子@ShowMeAI教程地址：http://www.showmeai.tech/tutorials/33本文地址：http://www.showmeai.tech/article-detail/144声明：版权所有，转载请联系平台与作者并注明出处n维数组是NumPy的核心概念，大部分数据的操作都是基于n维数组完成的。本系列内容覆盖到1维数组操作、2维数组操作、3维数组操作方法，本篇讲解Numpy与3维、更高维数组的操作。有时候我们会使用到3维或者更高维的NumPy数组（比如计算机视觉的应用中），通过重塑1维向量或转换嵌套Python列表来创建3维数组时，索引分别对应(z,y,x)。索引z是平面编号，(y,x)坐标在该平面上移动，如下图所示：通过上述索引顺序，可以方便的保留灰度图像，a[i]表示第i个图像。 但这样的索引顺序并不具有广泛性，例如在处理RGB图像时，通常使用(y,x,z)顺序：首先是两个像素坐标，然后才是颜色坐标（Matplotlib中的RGB，OpenCV中的BGR）：这样可以方便地定位特定像素，如a[i,j]给出像素(i,j)的RGB元组。 因此，几何形状的创建实际取决于你对域的约定：显然，hstack，vstack或dstack之类的NumPy函数并不一定满足这些约定，其默认的索引顺序是(y,x,z)，RGB图像顺序如下：如果数据不是这样的布局，使用concatenate命令可以方便的堆叠图像，并通过axis参数提供索引号：如果不考虑轴数，可以将数组转换hstack和相应形式：这种转换非常方便，该过程只是混合索引的顺序重排，并没有实际的复制操作。 通过混合索引顺序可实现数组转置，掌握该方法将加深你对3维数据的了解。根据确定的轴顺序，转置数组平面的命令有所不同：对于通用数组，交换索引1和2，对于RGB图像交换0和1：注意，transpose（a.T）的默认轴参数会颠倒索引顺序，这不同于上述述两种索引顺序。 广播机制同样适用多维数组，更多详细信息可参阅笔记“ NumPy中的广播”。 最后介绍einsum(Einstein summation)函数，这将使你在处理多维数组时避免很多Python循环，代码更为简洁：该函数对重复索引的数组求和。在一般情况下，使用np.tensordot(a,b,axis=1)就可以，但在更复杂的情况下，einsum速度更快，读写更容易。资料与代码下载本教程系列的代码可以在ShowMeAI对应的github中下载，可本地python环境运行，能科学上网的宝宝也可以直接借助google colab一键运行与交互操作学习哦！本系列教程涉及的速查表可以在以下地址下载获取：NumPy速查表Pandas速查表Matplotlib速查表Seaborn速查表拓展参考资料NumPy教程Python NumPy教程ShowMeAI相关文章推荐数据分析介绍数据分析思维数据分析的数学基础业务认知与数据初探数据清洗与预处理业务分析与数据挖掘数据分析工具地图统计与数据科学计算工具库Numpy介绍Numpy与1维数组操作Numpy与2维数组操作Numpy与高维数组操作数据分析工具库Pandas介绍图解Pandas核心操作函数大全图解Pandas数据变换高级函数Pandas数据分组与操作数据可视化原则与方法基于Pandas的数据可视化seaborn工具与数据可视化ShowMeAI系列教程推荐图解Python编程：从入门到精通系列教程图解数据分析：从入门到精通系列教程图解AI数学基础：从入门到精通系列教程图解大数据技术：从入门到精通系列教程
