datawhale巨硬的numpy教程《greenhand篇》笔记截图

一点点精通篇

看了一点精通篇，看的太难受啦。




淦 我就说看着怎么这么困难，也来这个教程分为两个版本，这个是针对那些

换教程，开冲。

小白篇

linspace生成

“_” 原来这个可以表示上一个

随机生成器rng

先定义一个生成器，之后直接用了。（可还是习惯 np.random… 因为这个随机数也不用特别多地被用到的把,教程看到后面，发现这个真不错 ）

广播方法

expend_dims 升维

reshape （tuple或者连续正整数）

resize

数据有可能会被改变

如果用 np.resize 会略有不同 元素数量不够时，会自动复制
np.resize(arr, (5, 3))
array([[ 9, 77, 65],
[44, 43, 86],
[ 0, 0, 0],
[ 9, 77, 65],
[44, 43, 86]])
元素数量多出来时，会自动截断
np.resize(arr, (2, 2))

利用索引反序

转置

切片和索引

泪目！！！！！终于到了切片和索引了

concentrate

行列分不太清，反正就是concentrate 默认是竖直按行拼接的

stack堆叠

repeat 重复扩增数据

split

where

extract 提取

choice 抽样

想我之前抽样用的都是pandas 里面的sample frac=

argsort 对索引动手

算术

array([[ 2, 15, 13, 9],
[ 9, 17, 2, 14],
[ 4, 2, 11, 19]])
开方
np.sqrt(arr)

log
np.log(arr)

超过5的都换成5
np.minimum(arr, 5)
array([[2, 5, 5, 5],
[5, 5, 2, 5],
[4, 2, 5, 5]])

低于5的都换成5
np.maximum(arr, 5)
array([[ 5, 15, 13, 9],
[ 9, 17, 5, 14],
[ 5, 5, 11, 19]])

四舍五入
np.round(np.sqrt(arr), 2)
array([[1.41, 3.87, 3.61, 3. ],
[3. , 4.12, 1.41, 3.74],
[2. , 1.41, 3.32, 4.36]])

floor/ceil
np.floor(np.sqrt(arr))
array([[1., 3., 3., 3.],
[3., 4., 1., 3.],
[2., 1., 3., 4.]])
np.ceil(np.sqrt(arr))
array([[2., 4., 4., 3.],
[3., 5., 2., 4.],
[2., 2., 4., 5.]])

mod <=> x % 3
np.mod(arr, 3)
array([[2, 0, 1, 0],
[0, 2, 2, 2],
[1, 2, 2, 1]])

还可以使用多个被除数,例如使用 arr-5这个array作为一一对应的被除数然后取余
array([[-3, 10, 8, 4],
[ 4, 12, -3, 9],
[-1, -3, 6, 14]])

np.mod(arr, arr-5)
array([[-1, 5, 5, 1],
[ 1, 5, -1, 5],
[ 0, -1, 5, 5]])

行列的不同广播

矩阵 dot matmul

这些也没啥机会用上。…

内容小结

参考 datawhale巨硬的numpy教程《小白篇》