Python学习笔记——numpy库与数据生成

1. numpy库简介

numpy是一个开源的Python的科学计算库，用于快速处理任意维度的数组，在深度学习中经常需要使用numpy库对于数据进行处理。

2. 安装

打开cmd，输入如下命令行

pip install numpy

使用时，通常将其缩写为np:

import numpy as np

3. 部分函数学习笔记 —— 数据生成

3.1 随机整数生成

numpy.random.randint()
numpy库能够根据需要生成一个随机整数（可以用于环境初始化），函数为numpy.random.randint()。
该函数与random.randint()函数的区别在于：np.random.randint()函数的取值范围是一个半开半闭区间，取值范围包括左侧的端点，但是不包括右侧的端点，而random.randint()函数包含右侧端点的值。也就是说numpy.random.randint(0,8)，会随机生成0-7中的一个整数；而random.randint(0,8)会随机生成0-8中的一个整数。

3.2 全0/全1数据生成

np.zeros() / np.ones()
与matlab的语法类似，numpy库也支持产生全0/全1矩阵或向量。
面对那种需要从环境中获取且不一定啥时候产生的数据，可以通过初始化存储空间来确保索引不越界。
在初始化时，也可以通过声明来定义数据类型，如果不声明类型就默认float
声明类型示例：

import numpy as np
array = np.zeros([2, 4])
print(array.dtype)
>>> float64

array = np.zeros([2, 4],dtype=int)
print(array.dtype)
>>> int32

要注意其检索下标是从0开始的。

import numpy as np
array = np.zeros([2, 4])
array[0][3] =3
array
>>> array([[0., 0., 0., 3.],
           [0., 0., 0., 0.]])

3.3 创建n阶单位阵

np.eye()
示例：

import numpy as np
dim =3 
I = np.eye(dim)
I
>>> array([[1., 0., 0.],
     	   [0., 1., 0.],
     	   [0., 0., 1.]])