标签：堆叠 分割 矩阵 笔记 学习 二维 数组 NumPy

欢迎访问我的GitHub

https://github.com/zq2599/blog_demos

内容：所有原创文章分类汇总及配套源码，涉及Java、Docker、Kubernetes、DevOPS等；

本篇概览

• 欣宸是个Java程序员，最近正在学习Python，本文记录了NumPy库的学习过程，主要用途是作为笔记来总结和温习，另外如果您也是一位初学者，希望本文能给您一些参考；

关于NumPy

• NumPy是Python的一个扩展程序库，支持多维度数组与矩阵计算，并且对数组运算提供了大量的数学函数库；
• 今天，咱们就通过实战来了解NumPy最常用的一些功能；

版本

操作系统：macOS Big Sur (11.6)
Anaconda3：2021.05
python：3.7.3
Jupyter Notebook：5.7.8

常规

import numpy as py
print(py.__version__)

• 结果如下：

• 用于生成array的数据源中如果有多种类型的元素，转成NumPy数组的时候，会统一成精度更高的元素

• NumPy数组有个dtype属性，用来描述数组中每个元素的类型：

• 还可以强转：

• 对于嵌套列表，转为NumPy数组后就是高维数组：

• 可以用NumPy的arange生成数组（注意是列表不是迭代器），arange的四个入参分别是：起始、截止、步长、类型：

• 如果知道了起始和截止值，以及均分的数量，那么arange就不合适了，因为它只知道间隔，不知道总数，此时用linspace方法更合适：

• 上述linspace方法的结果是左闭右闭区间，可以增加endpoint=False属性，将结果改成左闭右开区间，此时的其实就是均分成七份，返回前六个元素：

• zero方法也常用到，下面是生成3*4的二维数组，元素值全是零，注意参数是元组：

• 如果您觉得元组和括号和函数的括号放在一起不好理解，也可以用以下方式，既shape参数，这是个数组：

• ones方法，看名字就知道和zeros方法的区别和相似指出了：构建元素值全是1的数组：

• zeros_like方法，入参是数组，作用是构造新数组，类型和尺寸都参考入参数组的：

• 有zeros_like，就会有类似的ones_like：

• 类似的还有empty_like，不过它生成的都是未初始化的元素

• 还有个使用的方法full_like，可以指定初始化的值：

• 几个与维度相关的字段和方法：

• 三位数组：假设已有二维数组是35的形状，现在变成三维的，也就是两个35的二维数组，形状参数就是(2,3,5)那么写法如下：

• NumPy数组支持加号操作，结果是数组中每个元素相加：

• 还可以做平方运算：

• dot方法是点乘，既a的行与b的列，每个元素相乘后再相加，得到的值就是新矩阵的一个元素：

• 除了用数组的dot做点乘，还可以将两个矩阵对象直接相乘，结果与dot结果一致：

• 另外还要有逆矩阵、转置矩阵、矩阵转数组的成员变量需要注意：

爱因斯坦求和约定

• 这里不细说爱因斯坦求和约定本身，只聊聊NumPy对该约定的支持，主要是einsum方法的使用：

• 如下图，表达式i->，箭头左侧只有一个字母，表示输入是一维，箭头右侧空空如也，表示降到0维，也就是求和：

• 三维矩阵降为二维矩阵：

• 矩阵转置：

• 还可以输入两个矩阵，做矩阵相乘，注意ij和jk相乘后，变为ik，j维度消失了：

• 上图的ij,jk->ik改成ij,jk->，既结果是零维，矩阵相乘就变成了内积计算：

关于轴

• 约减，即减少元素的数量，以sum方法为例，例如一个2行2列的二维数组，可以垂直约减，也就是将所有行的同一列相加，最后只剩下一行，也可以水平约减，也就是将所有列的同一行相加，最后只剩一列：
  

• min、max、mean等函数也支持axis参数，做类似操作（mean是计算平均值）

数据访问

• slice：分片参数

• transpose：转置二维数组

• ravel：展平多维数组，返回值是原值的视图，修改返回值会导致原值被改

• flatten：展平多维数组，返回值是新的内存对象，修改返回值不会影响原值

广播

• NumPy的广播，也叫张量自动扩张，在两个数组实施运算的时候，如果两个数组形状不同，可以扩充较小数组来匹配较大数组的形状

• 一维数组与单个数字相加的时候，单个数字会被扩充为数组，值就是它自己：

• 例如52数组与51数组相加，5*1的数组就会自动填充一行，内容是自己的第一行：

高级索引

• 一维数组，方括号中的方括号，例如a[[3,3,2,1]]，里面的数字代表要取的元素的索引：

• 二维数组，方括号中的方括号，例如a[[3,3,2,1]]，里面的数字代表要取的行数：

• 二维数组，[:,[0,0]]表示所有行都访问，但是列只取两个：第0列和第0列，要注意的是第一个逗号，它左边是行信息，右边是列信息：

• 找出符合条件的元素：

堆叠

• 试想两本书可以怎么摆放？ 水平方向平铺（水平堆叠hstack）、垂直方向平铺（垂直堆叠vstack）、两本书竖起来对齐（深度堆叠dstack），如下图所示，类似的，数组也可以按照这个思路去堆叠：

• hstack、vstack、dstack这三个方法将两个数组向上图的两本书一样做堆叠，要注意的是入参是元组：

• 这个图比较形象，二维数组在深度方向堆叠，形成了三维数组：

• concatenate函数也能实现堆叠功能：

• column_stack：将每个一维数组作为一列，水平堆叠

• row_stack：将每个一维数组作为一行，垂直堆叠

分割

• 与堆叠相对应的是分割：水平分割、垂直分割、深度分割

• 先来看水平分割hsplit，就像切竖着西瓜，西瓜在水平方向被分割成几段：

• 垂直分割vsplit就像横着切西瓜，结果是西瓜在垂直方向被分割成几段：

• 以上的操作也可以共split方法辅以axis参数来实现：

• 深度分割，会在深度的方向切下，假设原有两个二维数组组成的三维数组，每个都会被水平分割，这样就变成了四个二维数组，最终成了两个三维数组，分割的示意图如下：

• 代码如下：

随机数

• NumPy生成随机数的方法：

• 至此，NumPy常用功能已经体验完毕，这只是对NumPy初步的了解，今后还需要更多的编码才能熟练使用；

你不孤单，欣宸原创一路相伴

1. Java系列
2. Spring系列
3. Docker系列
4. kubernetes系列
5. 数据库+中间件系列
6. DevOps系列

欢迎关注公众号：程序员欣宸

微信搜索「程序员欣宸」，我是欣宸，期待与您一同畅游Java世界...
https://github.com/zq2599/blog_demos

标签：堆叠,分割,矩阵,笔记,学习,二维,数组,NumPy
来源： https://www.cnblogs.com/bolingcavalry/p/15743508.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。