numpy常用操作

Numpy：Numerical Python的简称

使用工具：numpy

语言：Python3

主要特点：

1. ndarray，快速，节省空间的多维数组，提供数组化的算数运算和高级的广播功能
2. 使用标注数学函数对整个数组的数据进行快速运算，不需要编写循环
3. 读取或者写入磁盘上的阵列数据和操作存储器映像文件的工具
4. 线性代数，随机数生成，以及傅里叶变换的能力
5. 集成C、C++、Fortran代码的工具

 

本教程的主要内容：

1. 如何生成Numpy的ndarray的几种方式
2. 如何存取元素
3. 如何操作矩阵
4. 如何合并或者拆分数据
5. Numpy的通用函数
6. Numpy的广播功能

 

使用前导入numpy

import numpy as np 

note：下面所有出现的np均代表是numpy的别名

 

现在开始本章的教程啦。

1、如何生成numpy的ndarray的方式

     1）从已有数据中进行创建

输出：

上述是单层列表嵌套，也可以多层列表嵌套

输出：

 

     2）利用random模块生成ndarray

深度学习中，经常会对一些变量进行初始化操作，可以适当提高模型的性能，可以利用random来生成，random模块又分为多种函数：random生成0到1之间的随机数；uniform生成均匀分布随机数；randn生成标注正太分布的随机数；normal生成正太分布；shuffle随机打乱顺序；seed设置随机数种子；可以看下面的例子：

 

        3）创建特定形状（shape）的多维数组

在数据初始化时，有时需要生成一些特殊的矩阵，如0或1的数组或者矩阵，这时可以利用np.zeros,np.ones,np.diag来实现

           4）arange函数

arange([start],stop[,step], dtype=None)。根据start和stop指定的范围，以及步长step，来生成一个ndarray，start 默认为0，step可以为小数

2、存取元素 

生成数据或者获取数据后，要从ndarray中读取数据，看下面的集中方法：

对于一维ndarray，可以采用Python切片的方式，和list类似操作

       对于二维ndarray，读取方式如下：

      

结果如下：

上述通过索引来获取元素，还可以通过函数（比如choice）来获取元素

  结果如下：

3、矩阵操作 

深度学习中经常遇到多维数组或者矩阵的操作，numpy提供了很多相关的计算，介绍常用的方法：

结果如下：

       其他numpy.linalg中的常用函数：

       diag：以一维数组方式返回方阵的对角线元素

       dot：矩阵乘法

       trace：求迹，即计算对角线元素的和

       det：计算矩阵列式

       eig：计算方阵的本征值和本征向量

       inv：计算方阵的逆

       qr：计算qr分解

       svd：计算奇异值分解svd

       solve：解线性方程组Ax=b,其中A为方阵

       lstsq：计算Ax=b的最小二乘解

 

4、数据合并与展平

在机器学习或者深度学习，经常遇到需要把多个向量或者矩阵按照某个轴方向进行合并的情况，也会遇到展平的情况（flatten），如在卷积或者循环神经网络中，在全连接之前，需要把矩阵展平。下面介绍合并或者展平的方法：

1）合并一维数组

输出：

2）多维数组的合并 

输出：

np.concatenate()函数也能达到同样的效果

3、矩阵展平

输出：

5、通用函数 

Numpy提供了两种基本对象，即ndarray和ufunc对象，前面介绍的内容都是ndarray，下面介绍ufunc，ufunc是universal function的缩写，是一种能够对数组的每个元素进行操作的函数。许多的cfunc函数都是c语言实现的，因此速度快。功能比math模块中的函数更加灵活。Math模块输入的是一般的标量， numpy输入的是向量或者矩阵，利用向量或者矩阵可以编码循环语句，这个特点在机器学习和深度学习中经常使用。常用的通用函数如下：

sqrt  计算序列化数据的平方根

sin,cos     三角函数

abs   计算序列化数据的绝对值

log,log10,log2 对数函数

dot   矩阵运算

exp   指数函数

cumsum,cumproduct    累计求和，求积

sum  对一个序列化数据求和

mean       计算均值

median    计算中位数

std    计算标准差

var   计算方差

corrcoef   计算相关系数

注意：使用numpy比使用math计算同样的操作，速度一般都要快

使用方法如下：

6、广播机制 

广播机制（Broadcasting）是为了方便不同shape的数组（numpy库的核心数据结构）进行数学运算。广播提供了一种向量化数组操作的方法，以便在C中而不是在Python进行循环，这通常会带来高效的算法实现。广播的兼容原则为：

1）对齐尾部维度

2）shape相等or其中shape元素中有一个为1

下面举例说明：

输出：

 

其中将d复制扩充的操作如下（结合广播原则2）：