[Python/PyTorch基础] Numpy学习笔记
98 浏览量
2020-12-21
05:35:11
上传
评论
收藏 166KB PDF 举报
[Python/PyTorch基础基础] Numpy学习笔记学习笔记
目录目录Numpy基础引文Numpy的主要特点Numpy主要内容生成Numpy数组从已有数据中创建数组利用random模块生成数组创建特定形状的多维数组利用
arange、linspace函数生成数组获取元素通过指定索引标签通过函数算数运算数组变形批量处理通用函数广播机制
Numpy基础基础
引文引文
Python本身含有列表（列表（list）和数组（）和数组（array）），但对于大数据来说，这些结构是有很多不足的。
list的元素可以是任何对象，因此列表中所保存的是对象的指针。
array对象可以直接保存数值，但是由于它不支持多维，在上面的函数也不多，因此也不适合做数值运算。
Numpy提供了两种基本的对象：
ndarray（N-dimensional Array Object）
ufunc（Universal Function Object）
ndarray是存储单一数据类型的多维数组，而ufunc则是能够对数组进行处理的函数。
Numpy的主要特点的主要特点
ndarray，快速节省空间的多维数组，提供数组化的算术运算和高级的广播功能。
使用标准数学函数对整个数组的数据进行快速运算，且不需要编写循环。
读取/写入磁盘上的阵列数据和操作存储器映像文件的工具。
线性代数、随机数生成和傅里叶变换的能力。
Numpy主要内容主要内容
如何生成Numpy数组。
如何存取元素。
Numpy的算术运算。
数组变形。
批量处理。
Numpy的通用函数。
Numpy的广播机制。
生成生成Numpy数组数组
从已有数据中创建数组从已有数据中创建数组
直接对Python的基础数据类型（如列表、元组等）进行转换来生成ndarray：
1）将列表转换成将列表转换成ndarray：：
import numpy as np
list1 = [2, 3, 4, 5] nd1 = np.array(list1)
2）嵌套列表可以转换成多维嵌套列表可以转换成多维ndarray：：
import numpy as np
list2 = [[2, 3, 4, 5], [6, 7, 8, 9]] nd2 = np.array(list2)
把上面示例中的列表换成元组也同样适用。
利用利用random模块生成数组模块生成数组
np.random 模块常用函数：
函数函数 描述描述
np.random.random 0到1之间随机数
np.random.uniform 均匀分布的随机数
np.random.randn 标准正态分布的随机数
np.random.normal 正态分布
np.random.randint 随机整数
np.random.shuffle 随机打乱顺序
np.random.seed 设置随机数种子
random_sample 生成随机的浮点数
创建特定形状的多维数组创建特定形状的多维数组
参数初始化时，有时需要生成一些特殊矩阵，如全是0或1的数组或矩阵，这时我们可以利用np.zeros、np.ones、np.diag来实现。
函数函数 描述描述
np.zeros((3,4)) 创建3 x 4的元素全为0的数组
np.ones((3,4)) 创建3 x 4的元素全为1的数组
np.empty((2,3)) 创建2 x 3的空数组，但是空数据中的值不是0，是未初始化的垃圾值
np.zeros_like(ndarr) 以ndarr 相同维度创建元素全为0数组
np.ones_like(ndarr) 以ndarr 相同维度创建元素全为1数组
np.empty_like(ndarr) 以ndarr 相同维度创建空数组
np.eye(5) 创建一个5 x 5矩阵，对角线为1，其余为0
np.full((3,5), 666)
创建3 x 5的元素全为666的数组
将数据保存起来，再读取：
nd = np.random.random([5, 5])
评论0