numpy库的使用

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

------------------------------时间有限，持续更新中ing--------------------------------

---

一、numpy.flatnonzero()

该函数输入一个矩阵，返回扁平化后矩阵中非零元素的位置（index）

classes = ['plane', 'car', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck']
num_classes = len(classes)
samples_per_class = 7
for y, cls in enumerate(classes):
    idxs = np.flatnonzero(y_train == y)

这里是查找某个类别图片的下标

二、np.random.choice()

numpy.random.choice(a, size=None, replace=True, p=None)
'''
1. 从a中抽取数字，组成size大小的输出 **这里a必须是一维的，否则报错
2. replace参数表示抽取的数字是否可以重复，True代表可重复，False代表不可重复
3. p代表每个数字被抽取到的概率，这个数组的大小要和a的大小一样，**一维**
'''

---

三、np.reshape()

第一个参数为数组，第二个参数为元组，表示reshape后的形状，如果形状参数中含有-1，那么表示该维自动计算

四、画图（matplot相关函数）

1 plt.subplot()

在一个画布中新建子图，并确定当前画图的子图位置。以下两种方式效果一样

plt.subplot(331)
plt.subplot(3,3,1)
'''
子图的子图的排列顺序
图1 图2 图3
图4 图5 图6
图7 图8 图9
'''

2 plt.legend()

3 plt.errorbar()

五、np.argsort()&np.argmax()

numpy.argsort(a, axis=-1, kind=None, order=None)

五、扩充维度

1 newaxis

2 np.reshape()

六、求范数

七、x.dot(y)与np.dot(x,y)

八、np.sum

1.axis参数

a = np.array(range(0,24)).reshape(2,3,4)

array([[[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11]],

       [[12, 13, 14, 15],
        [16, 17, 18, 19],
        [20, 21, 22, 23]]])

此时矩阵a的各个轴的维度为 axis[0] = 2，axis[1]=3，axis[2]=4。
0轴为最外层的维度，依次类推1轴为行数，2轴为列数（1,2轴为二维矩阵）

以axis=0为例,则沿着第0个下标（最左边的下标）变化的方向进行操作，也就是将除了第0个下标外，其他两个下标都相同的部分分成一组，然后再进行操作。

'''
a000 a100 为一组
'''

在哪一个维度进行操作就会将哪一个维度进行降维
详细参考

九、数组连接

一般只用两个参数，输入要拼接的序列和拼接的维度

十、np.vstack, np.hstack

返回在间隔[start，stop]上计算的num个等距样本。

十一、torch.stack torch.cat

torch.stack: 沿着一个新维度对输入张量序列进行连接。 序列中所有的张量都应该为相同形状。例如将两个二维向量拼接成两个三维向量，dim指定在哪一维拼接。

torch.cat: 在给定的维度进行拼接