Python39 深度学习常用库numpy（多维数组的相关操作）

深度学习常用的四个库
numpy是Python科学计算库的基础，包括强大的N维数组对象和向量运算
www.numpy.org.cn
pandas是建立在numpy基础上的高效数据分析处理库，是Python的重要数据分析库
Matplotlib是一个主要用于绘制二维图像的Python库 用途：绘图、可视化
PIL是一个具有强大图像处理能力的第三方库 用途：图像处理

一、多维数组的创建

import numpy as np
"""
使用array函数从列表或元组中创建数组
array接受一切序列型对象，产生一个含有数据的numpy数组，嵌套型的会转化为多维数组
"""
# 将列表转换为数组
array=np.array([[1,2,3],[4,5,6]])
print(array)
# 元组转换为数组
array2=np.array(((1,2,3),(4,5,6)))
print(array2)
"""
通常元组的元素是未知的，大小是已知的
"""
# 创建指定长度或形状的全0数组 默认 浮点型
zeroarrray=np.zeros((2,3))
print(zeroarrray)
# 创建指定长度或形状的全1数组
onearrray=np.ones((2,3),dtype='int64')
print(onearrray)
# 创建一个数组，初始内容随机，取决于内存的状态
emptyarray=np.empty((3,4))
print(emptyarray)
# range函数 创建数字组成的数组 该函数返回的是数组 而不是列表
array3=np.arange(10,31,5) # 第一个参数是起点 第二个参数是终点 第三个参数是步长 左闭右开
print(array3)
# 可以输出数组的信息 例如 维度 形状 元素个数 元素类型
array4=np.array([[1,2,3],[4,5,6]])
print(array4)
print(array4.ndim)  # 维度
print(array4.shape) # 形状
print(array4.size)  # 元素个数
print(array4.dtype) # 数组元素类型

# 重新定义数字的形状
array5=np.arange(6).reshape([2,3])
print(array5)

二、数组的计算

"""
数组的计算
数组通过矢量化让我们避免了对数据的循环运算
大小相等的数组之间的任何算术运算都会将运算应用到元素级
同样数组与标量的算术运算 也会将那个标量值传播到各个元素
"""
import numpy as np
arr1=np.array([[1,2,3],[4,5,6]])
arr2=np.ones([2,3],dtype=np.int64)

print(arr1+arr2)
print(arr1-arr2)
print(arr1*arr2)
print(arr1/arr2)
"""
矩阵的乘法
"""
arr3=np.array([[1,2,3],[4,5,6]])
arr4=np.ones([3,2],dtype=np.int64)
print(np.dot(arr3,arr4))
"""
矩阵的其他运算
"""
print(arr3)
# axis=1 代表每一行求和 axis=0 代表每一列求和
print(np.sum(arr3,axis=1))
# 求最大值
print(np.max(arr3))
# 求最小值
print(np.min(arr3))
# 求平均值
print(np.mean(arr3))
# 求最大值的下标
print(np.argmax(arr3))
# 求最小值的下标
print(np.argmin(arr3))
# 转置
print(np.transpose(arr3))
# 多维矩阵变一维矩阵
print(arr3.flatten())

三、数组的索引与切片

"""
数组的索引与切片
"""
import numpy as np
arr5=np.arange(0,6).reshape([2,3])
print(arr5)
# 取第几行 下标从0开始
print(arr5[1])
# 找第一行第二列
print(arr5[1][2])
print(arr5[1,2])
# 查看第二行所有的
print(arr5[1,:])
# 查看第二列所有的
print(arr5[:,1])
# 查看第二行的 0 1列
print(arr5[1,0:2])