1 Numpy基础

1.1 生成Numpy数组

Numpy封装了一个新的数据类型ndarray（N-dimensional Array），它是
一个多维数组对象。该对象封装了许多常用的数学运算函数，方便我们做数
据处理、数据分析等。那么如何生成ndarray呢？这里介绍生成ndarray的几
种方式，如从已有数据中创建，利用random创建，创建特定形状的多维数
组，利用arange、linspace函数生成等

1.1.1 从已有数据中创建数组

直接对Python的基础数据类型（如列表、元组等）进行转换来生成
ndarray：
1）将列表转换成ndarray：
import numpy as np
lst1 = [3.14, 2.17, 0, 1, 2]
nd1 =np.array(lst1)
print(nd1)
print(type(nd1))
2）嵌套列表可以转换成多维ndarray：
import numpy as np
lst2 = [[3.14, 2.17, 0, 1, 2], [1, 2, 3, 4, 5]]
nd2 =np.array(lst2)
print(nd2)
print(type(nd2))

1.1.2 利用random模块生成数组

在深度学习中，我们经常需要对一些参数进行初始化，因此为了更有效
地训练模型，提高模型的性能，有些初始化还需要满足一定的条件，如满足
正态分布或均匀分布等。这里介绍了几种常用的方法，如表1-1所示列举了
np.random模块常用的函数。


下面来看一些函数的具体使用：

import numpy as np
nd3 =np.random.random([3, 3])
print(nd3)
print(“nd3的形状为:”,nd3.shape)

为了每次生成同一份数据，可以指定一个随机种子，使用shuffle函数打
乱生成的随机数

import numpy as np
np.random.seed(123)
nd4 = np.random.randn(2,3)
print(nd4)
np.random.shuffle(nd4)
print(“随机打乱后数据:”)
print(nd4)
print(type(nd4))

1.1.3 创建特定形状的多维数组

参数初始化时，有时需要生成一些特殊矩阵，如全是0或1的数组或矩
阵，这时我们可以利用np.zeros、np.ones、np.diag来实现，如表

下面通过几个示例说明：

import numpy as np
#生成全是 0 的 3x3 矩阵
nd5 =np.zeros([3, 3])
#生成与nd5形状一样的全0矩阵
#np.zeros_like(nd5)
#生成全是 1 的 3x3 矩阵
nd6 = np.ones([3, 3])
#生成 3 阶的单位矩阵
nd7 = np.eye(3)
#生成 3 阶对角矩阵
nd8 = np.diag([1, 2, 3])

有时还可能需要把生成的数据暂时保存起来，以备后续使用：

nd9 =np.random.random([5, 5])
import numpy as np
np.savetxt(X=nd9, fname=’./test1.txt’)
nd10 = np.loadtxt(’./test1.txt’)
print(nd10)

1.1.4利用arange、linspace函数生成数组

arange是numpy模块中的函数，其格式为：

arange([start,] stop[,step,], dtype=None)

其中start与stop用来指定范围，step用来设定步长。在生成一个ndarray时，start默认为0，步长step可为小数。Python有个内置函数range，其功能与此类似。

import numpy as np
print(np.arange(10))
#[0 1 2 3 4 5 6 7 8 9]
print(np.arange(0, 10))
#[0 1 2 3 4 5 6 7 8 9]
print(np.arange(1, 4, 0.5))
#[1. 1.5 2. 2.5 3. 3.5]
print(np.arange(9, -1, -1))
#[9 8 7 6 5 4 3 2 1 0]

linspace