深度学习入门numpy的基本使用方法——数组

2401_84008929

于 2024-04-22 23:22:33 发布

阅读量299

点赞数 4

分类专栏：程序员文章标签：深度学习 numpy 人工智能

本文链接：https://blog.csdn.net/2401_84008929/article/details/138096890

版权

程序员专栏收录该内容

204 篇文章 0 订阅

订阅专栏

本文详细介绍了如何使用NumPy库中的函数如ones,zeros,empty,linspace,arange以及random模块生成各种类型的数组，包括指定形状、均匀分布和正态分布。同时提及了一个针对Python开发者的学习资源，提供全面且体系化的前端开发知识和实战项目。

摘要由CSDN通过智能技术生成

print(x.shape)

这将输出 (1, 3)，证明 x 是一个形状为 (1, 3) 的二维数组。

1.2 使用 ones，empty， zeros生成数组，形参shape=[2,3]为2行3列的维度

#in:   
np.ones(shape=[2,3]) #[2，3]为2行3列的维度
#out:  
array([[1., 1., 1.],
       [1., 1., 1.]])

#in:
np.zeros(shape=[3,4])
#out:
array([[0., 0., 0., 0.],
       [0., 0., 0., 0.],
       [0., 0., 0., 0.]])

#in:
np.empty(shape=[4,5]) #随机生成
#out:
array([[2.47053687e-316, 6.27463370e-322, 0.00000000e+000,
        0.00000000e+000, 1.78019625e-306],
       [5.30276956e+180, 3.31033942e-033, 4.57487963e-071,
        3.25824571e-086, 3.35560119e-143],
       [6.01433264e+175, 6.93885958e+218, 5.56218858e+180,
        3.94356143e+180, 7.18978022e-067],
       [2.90327285e-057, 2.08799593e-076, 6.82201766e-067,
        7.49078798e-144, 1.50008929e+248]])

1.3 使用linspace，arange生成数组（注意区间闭合）

#in:
np.linspace(0,99,10) #左闭右闭，等距生成数组，前两个数为区间，第三个数是步长
#out:
array([ 0., 11., 22., 33., 44., 55., 66., 77., 88., 99.])

#in:
np.arange(0,99,33) #左闭右开，第三个数是步长
#out:
array([ 0, 33, 66])

#in:
np.random.normal(0, 1, size=(8,10)) #在（0,1）区间随机生成维度为[8,10]的数组
#out:
array([[ 0.4889333 ,  0.52598919, -1.1787282 ,  0.92947144, -0.61411273,
        -0.40308503, -0.24170964, -1.65005546, -1.10860983, -1.17195597],
       [ 2.30153196,  0.08231435, -0.42151829,  0.23084481, -0.22912885,
         0.35418584,  0.18042856,  0.50218664, -0.06535679, -1.08141255],
       [ 0.78668497,  0.40467269, -2.15751968, -0.5284904 ,  0.61413254,
         0.38134191, -0.32608761, -0.80535812, -0.28665986, -0.46265705],
       [ 0.40831628,  1.1195378 , -0.19555259, -1.26725678,  0.06050092,
        -1.53074358, -0.46109896,  1.0585371 , -1.68785747, -0.38269948],
       [ 0.2533123 ,  0.7493127 , -0.39330055,  0.59872789,  1.23311894,
         1.56123508,  0.88216884, -0.11006012,  1.67101912,  0.36773784],
       [-0.01196778, -0.29989697, -0.10620468,  0.62047068, -0.35919101,
         0.14259044, -0.77929073,  1.07955841, -0.57254166, -0.75650875],
       [-0.38727358,  0.34665637,  0.28927818,  0.23179733,  0.22165409,
         0.3740697 , -0.03544985,  0.34657169, -0.21841557,  1.18743025],
       [-0.88678905, -1.13712659,  0.38860167, -0.43039802, -0.23007068,
         1.49646142, -0.60181792,  2.09735673, -1.08618737, -1.09159316]])

1.4 生成服从某种函数分布的数组(均匀分布，正态分布）

#in:
np.random.uniform(-1,1,100000) #均匀分布，前两个数是区间，第三个数是个数
#out:
array([ 0.15119225,  0.40014323, -0.05461068, ..., -0.98073734,
        0.75843808,  0.4539914 ])

#in:
np.random.normal(1.8, 0.1, 100000) #参数分别是 对称轴，标准差，个数
#out:
array([1.64399767, 1.59405144, 1.92386876, ..., 1.85188776, 1.72408358,
       1.82817792])

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。