pytorch学习记录｜numpy

1. numpy的引入

import numpy as np

2. 列表转换为矩阵

array=np.array([1,2,3],[2,3,4])

3. numpy的属性

维度number of dim: array.ndim
形状shape:  array.shape
大小size：array.size

4. 创建array

可以创建一维、二维矩阵	
a=np.array([2,3,4],dtype=np.int64) #dtype=int32\int64\float32...
创建全0矩阵：b=np.zeros((3,4))
创建全1矩阵：c=np.ones((2,3))
创建随机矩阵：a=np.empty((3,4))
创建确定范围内的矩阵：d=np.arange(10,20,2) #起始值为10，终止值为20，步长2
重新定义形状：b=np.arange(12).reshape((3,4))
创建分段矩阵：e=np.linespace(1,10,5) #起始值为1，终止值为10，分为5段（5个值，4等分）

5. 基本运算

eg：
    a=np.array([10,20,30,40]) #a=[10,20,30,40]
    b=np.array(4) #b=[0,1,2,3]

加减法：c=a+b #c=[10,21,32,43]，对应元素相加
乘除法：d=a*b #d=[0,20,60,120], 对应元素相乘
矩阵的乘法：h=np.dot(k,g)/ h=k.dot(g)
三角函数运算：e=10*np.sin(a) #各元素计算sin值后再乘以10
布尔判断：print(b<3) #[True True True False]
随机生成array: a=np.random.random((2,4))
求和、求最大值、求最小值：np.sum(a)、np.min(a)、np.max(a)
在行/列中求和（最大值、最小值）：  行：np.sum(a,axis=1)，列：np.sum(a,axis=0)
排序：np.sort(A)
矩阵的转置：np.transpose(a) #转置不能将一维的横向向量转变为多维的竖向矩阵，即：转置不能提升数组的维度
数值过滤：np.clip(A,5,9)#过滤掉矩阵A中不属于5~9范围内的数	
求最小（大）值的索引：np.argmin(A)
求平均值：np.mean(A)/A.mean()/np.average(A)
求中位数：np.median(A)
累加：np.cumsum(A)
累差：np.diff(A)
非零数的下标：np.nonzero(A)

6. 索引操作：

迭代每一行：for row in A:...
迭代每一列：for column in A.T:...
将A矩阵转换成一行数据：A.flatten()

7. array合并：

A=np.array([1,1,1])
B=np.array([2,2,2])
C=np.vstack((A,B)) #vertical stack 上下合并，C.shape=(2,3)
D=np.hstack((A,B)) #horizontal stack 左右合并，C.shape=(6,)
增加维度：A[:,np.newaxis]
在某维度合并array:  np.concatenate((A,B,B,A),axis=0)

8. array分割：

横向分割：np.split(A,2,axis=1) #2为分割的块数,平均分割
	np.array_split(A,3,axis=1) #不等分割，每块的维度随机分配
	np.hsplit(A,3)
纵向分割：np.vsplit(A,3)

9. 复制array:

a=np.arange(4)
b=a
c=b
a is b is c，三者改变其中一个，全都会改变（指向同一对象）
copy复制：b=a.copy() #仅复制不关联