Py深度学习基础|Numpy基础总结-编程知识

Py深度学习基础|Numpy基础总结

注：本文来自菜鸟教程学习总结

一、数组属性

NumPy 的数组中比较重要 ndarray 对象属性有：

注意：使用reshape后，数组的结构（即元素的排列顺序和内在连接）没有改变，但因为返回的是一个视图，b改变其值会对原数组有影响：

二、创建数组

主要介绍几个常用函数：

1.numpy.empty

numpy.empty 方法用来创建一个指定形状（shape）、数据类型（dtype）且未初始化的数组：

2. numpy.zeros

创建指定大小的数组，数组元素以 0 来填充：

3. numpy.ones

同理，创建指定大小的数组，数组元素以1 来填充

4.numpy.zeros_like

numpy.zeros_like 用于创建一个与给定数组具有相同形状的数组，数组元素以 0 来填充：

5. numpy.ones_like

同上，数组元素以1填充

三、从已有数组创建数组

1. numpy.asarray

类似于numpy.array，但 numpy.asarray 参数只有三个：

numpy.asarray(a, dtype = None, order = None)

参数解释如下：

a	任意形式的输入参数，可以是，列表, 列表的元组, 元组, 元组的元组, 元组的列表，多维数组
dtype	数据类型，可选
order	可选，有"C"和"F"两个选项,分别代表，行优先和列优先，在计算机内存中的存储元素的顺序。

如：

四、从数值范围创建数组

1.numpy.arange

使用 arange 函数创建数值范围并返回 ndarray 对象，函数格式如下：

numpy.arange(start, stop, step, dtype)

参数说明：

参数	描述
`start`	起始值，默认为`0`
`stop`	终止值（不包含）
`step`	步长，默认为`1`
`dtype`	返回`ndarray`的数据类型，如果没有提供，则会使用输入数据的类型。

2.numpy.linspace

numpy.linspace 函数用于创建一个一维数组，数组是一个等差数列构成的.

3.numpy.logspace

numpy.logspace 函数用于创建一个于等比数列。

五、切片和索引

ndarray对象的内容可以通过索引或切片来访问和修改，与 Python 中 list 的切片操作一样。ndarray 数组可以基于 0 - n 的下标进行索引，切片对象可以通过内置的 slice 函数，并设置 start, stop 及 step 参数进行，从原数组中切割出一个新数组。

也可以通过冒号分隔切片参数 start:stop:step 来进行切片操作：

注：冒号的解释：如果只放置一个参数，如 [2]，将返回与该索引相对应的单个元素。如果为 [2:]，表示从该索引开始以后的所有项都将被提取。如果使用了两个参数，如 [2:7]，那么则提取两个索引(不包括停止索引)之间的项。

多维数组同样适用上述索引提取方法，如下提取数组中第二行及以后的所有：

六、高级索引

1.整数数组索引

整数数组索引是指使用一个数组来访问另一个数组的元素。这个数组中的每个元素都是目标数组中某个维度上的索引值。

以下实例获取数组中 (0,0)，(1,1) 和 (2,0) 位置处的元素。

import numpy as np x = np.array([[1,  2],  [3,  4],  [5,  6]]) 
y = x[[0,1,2],  [0,1,0]]  
print (y)

输出结果为：[1 4 5]

可以借助切片 : 或 … 与索引数组组合。如下面例子：

2. 布尔索引

我们可以通过一个布尔数组来索引目标数组。布尔索引通过布尔运算（如：比较运算符）来获取符合指定条件的元素的数组。以下实例获取大于 5 的元素：

3. 花式索引

花式索引指的是利用整数数组进行索引。花式索引根据索引数组的值作为目标数组的某个轴的下标来取值。

对于使用一维整型数组作为索引，如果目标是一维数组，那么索引的结果就是对应位置的元素，如果目标是二维数组，那么就是对应下标的行。花式索引跟切片不一样，它总是将数据复制到新数组中。

七、广播机制(Broadcast)

广播(Broadcast)是 numpy 对不同形状(shape)的数组进行数值计算的方式，对数组的算术运算通常在相应的元素上进行。最简单的情况，如果两个数组 a 和 b 形状相同(a.shape == b.shape)，那么 a*b 的结果就是 a 与 b 数组对应位相乘。这要求维数相同，且各维度的长度相同。