《python深度学习：基于tensorflow》学习笔记（一）——Numpy常用操作

第一部分 python及应用数学基础

numpy常用操作

• 两种基本对象：
  • ndarray(N-dimensional array object) 存储单一数据类型的多维数组
  • ufunc(universal function object) 对数组今次那个处理的函数
    -使用numpy时导入：

import numpy as np

创建ndarray

• 从已有数据中创建
  • 将列表转换为ndarray

import numpy as np 
list1 = [3.14,2.17,0,1,2]
nd1 = np.array(list1)
print(nd1)
print(type(nd1))

输出：

嵌套列表可以转化为多维ndarray

import numpy as np
list2 = [[3.14,2.17,0,1,2],[1,2,3,4,5]]
nd2 = np.array(list2)
print(nd2)
print(type(nd1))

• 利用random模块生成ndarray
  • random 生成0到1之间的随机数
  • uniform 生成均匀分布随机数
  • randn 生成标准正态的随机数
  • normal 生成正态分布
  • shuffle 随机打乱顺序
  • seed 设置随机数种子

seed( ) 用于指定随机数生成时所用算法开 始的整数值，如果使用相同的seed( )值，则每次生成的随即数都相同，如果不设置这个值，则系统根据时间来自己选择这个值，此时每次生成的随机数因时间差异而不同。

有无seed()区别：有seed()时，无论重复多少次IN[17]程序，得到的结果都相同；无seed()时，每次的结果都变化

生成一个随机种子，对生成的随机数打乱：

import numpy as np
np.random.seed(123)
nd5_1 =  np.random.randn(2,3)
print(nd5_1)
np.random.shuffle(nd5_1)
print('随机打乱后数据')
print(nd5_1)
print(type(nd5_1))

• 创建特定形状的多维数组
  例如0或1的数组或矩阵
  • np.zeros() 全是0的矩阵
  • np.ones() 全是1的矩阵
  • np.diag() 对角矩阵
  • np.eye() 单位矩阵

import numpy as np
nd6 = np.zeros([3,3])  #生成全是0的3x3矩阵
nd7 = np.ones([3,3])   #生成全是1的3x3矩阵
nd8 = np.eye(3)      #生成3阶的单位矩阵
nd9 = np.diag([1,2,3])  #生成3阶对角矩阵

将生成的数据保存到磁盘，再从磁盘读取

import numpy as np
nd10 = np.random.random([5,5])
np.savetext(