numpy(同pytorch-tensor)简单行列操作

学pytorch的时候发现很多地方跟numpy是很像的，所以补了一下基础知识

当想搞清楚一个库的用法的时候，百度或者csdn上看很多例子确实不如直接看原库解析来得更快

一、切片

直接切：

import numpy as np
 
a = np.arange(10)
s = slice(2,7,2)   # 从索引 2 开始到索引 7 停止，间隔为2
print (a[s])

输出结果为：

[2  4  6]

 通过冒号分隔切片参数 start:stop:step 来进行切片操作：

b = a[2:7:2]

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。

二、索引

单个元素索引：

import numpy as np
 
a = np.arange(10)  # [0 1 2 3 4 5 6 7 8 9]
b = a[5] 
print(b)


输出结果为：

5

————————————————————————————————————————————————————————————

import numpy as np
 
a = np.arange(10)
print(a[2:])
输出结果为：

[2  3  4  5  6  7  8  9]

————————————————————————————————————————————————————————————————
实例
import numpy as np
 
a = np.arange(10)  # [0 1 2 3 4 5 6 7 8 9]
print(a[2:5])
输出结果为：

[2  3  4]

数组索引：

import numpy as np
 
a = np.array([[1,2,3],[3,4,5],[4,5,6]])
print(a)
# 从某个索引处开始切割
print('从数组索引 a[1:] 处开始切割')
print(a[1:])



输出结果为：

[[1 2 3]
 [3 4 5]
 [4 5 6]]
从数组索引 a[1:] 处开始切割
[[3 4 5]
 [4 5 6]]

 整组数组索引：

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]

x是一个二维数组，y相当于把x看成一个只有两列的表。

以下实例获取了 4X3 数组中的四个角的元素。 行索引是 [0,0] 和 [3,3]，而列索引是 [0,2] 和 [0,2]：

import numpy as np 
 
x = np.array([[  0,  1,  2],[  3,  4,  5],[  6,  7,  8],[  9,  10,  11]])  
print ('我们的数组是：' )
print (x)
print ('\n')
rows = np.array([[0,0],[3,3]]) 
cols = np.array([[0,2],[0,2]]) 
y = x[rows,cols]  
print  ('这个数组的四个角元素是：')
print (y)



输出结果为：

我们的数组是：
[[ 0  1  2]
 [ 3  4  5]
 [ 6  7  8]
 [ 9 10 11]]


这个数组的四个角元素是：
[[ 0  2]
 [ 9 11]]

实际上，row和cols的写法是可变的，取决于想要的输出形式，若按如下写法：（逻辑上更好理解）

rows = np.array([0, 0, 3, 3])
cols = np.array([0, 2, 0, 2])

 输出结果为：

这个数组的四个角元素是：
[ 0  2  9 11]

三、切片加索引

import numpy as np
 
a = np.array([[1,2,3], [4,5,6],[7,8,9]])
b = a[1:3, 1:3]
c = a[1:3,[1,2]]
d = a[...,1:]
print(b)
print(c)
print(d)


输出结果为：

[[5 6]
 [8 9]]
[[5 6]
 [8 9]]
[[2 3]
 [5 6]
 [8 9]]

四、一些不常用的方法

比如筛掉nan的值，取复数等等

NumPy 高级索引 | 菜鸟教程 

——————————————————————————————————————————

如果import torch

torch.arange = np.arange

torch.tensor = np.array