CV&NLP基础1之Numpy学习

已于 2022-08-05 23:21:44 修改
阅读量1.2k 收藏 2
点赞数 1
分类专栏： CV&NLP学习 # ———基础入门系列 文章标签： numpy
于 2022-07-02 22:10:00 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/waldocsdn/article/details/125432417
版权

文章目录

Numpy数组处理库

导入numpy库并取别名为np

import numpy as np

查看numpy库里提供了哪些东西

dir(np)或help(np)

补充说明jupyer的一个功能

将光标放在函数上，按shift+tab可以调出函数说明:
在这里插入图片描述

使用numpy的随机函数随机产生数组

numpy.random.rand()

numpy.random.rand(d0,d1,…,dn)

  • rand函数根据给定维度生成[0,1)之间的数据，包含0，不包含1
  • dn表示维度
  • 返回值为指定维度的array

例:
在这里插入图片描述

numpy.random.randn() —— 重要

numpy.random.randn(d0,d1,…,dn)

  • randn函数返回一个或一组样本，具有标准正态分布。

  • dn表示维度

  • 返回值为指定维度的array

  • 通过.shape可以查看生成的数组的构造

  • 通过.ndim查看数组的维度(也可以理解为“轴”的个数)

  • 通过.size查看数组包含的元素个数
    在这里插入图片描述

  • .argmax: 返回指定轴的最大值的索引(下标)。二维数组中，参数“0”代表列，参数“1”代表行
    在这里插入图片描述
    解释一下为什么使用.argmax(axis=0)后，输出array([1, 1, 0]) ?
    .argmax返回指定轴的最大值的索引(下标)。二维数组中，参数“0”代表列，参数“1”代表行。
    使用.argmax(0)取出列的最大值的索引:
    生成的三行三列数组arr3的第一列是:0.78650488,1.30572907,-0.49828544,其中1.30572907最大,它的索引为1。
    生成的三行三列数组arr3的第二列是:0.38190384,1.60970205,-2.00096618,其中1.60970205最大,它的索引为1。
    生成的三行三列数组arr3的第三列是:1.145984,-0.2094228,-0.85838297,其中1.145984最大,它的索引为0。

同理，使用.argmax(axis=1)取出行的最大值的索引:
在这里插入图片描述

numpy.random.randint()

numpy.random.randint(low, high=None, size=None, dtype=numpy.int32)

  • 返回随机整数，范围区间为[low,high），包含low，不包含high
  • 参数：low为最小值，high为最大值，size为数组维度大小，dtype为数据类型，默认的数据类型是np.int
  • high没有填写时，默认生成随机数的范围是[0，low)

在这里插入图片描述

生成[0,1)之间的浮点数

  • numpy.random.random_sample(size=None)
  • numpy.random.random(size=None)
  • numpy.random.ranf(size=None)
  • numpy.random.sample(size=None)

在这里插入图片描述

numpy.random.choice()

numpy.random.choice(a, size=None, replace=True, p=None)

  • 从给定的一维数组中生成随机数
  • 参数: a为一维数组类似数据或整数；size为数组维度；p为数组中的数据出现的概率
  • a为整数时，对应的一维数组为np.arange(a)
    在这里插入图片描述
  • 参数p的长度与参数a的长度需要一致；
  • 参数p为概率，p里的数据之和应为1
    在这里插入图片描述

numpy.random.seed()

  • np.random.seed()的作用：使得随机数据可预测。
  • 当我们设置相同的seed，每次生成的随机数相同。如果不设置seed，则每次会生成不同的随机数
    在这里插入图片描述

numpy.zeros()

用于生成全0数组，可以用dtype形参指定变量类型

例: 生成三行四列的全零数组，且类型为float32
在这里插入图片描述

数组相乘numpy.dot()

在这里插入图片描述

numpy.arange() —— 重要

numpy 库中的使用 arange 函数创建数值范围并返回 ndarray(n-dimensional array，n维数组的意思) 对象，函数格式如下：

numpy.arange(start, stop, step, dtype)

根据 start 与 stop 指定的范围以及 step 设定的步长，生成一个 ndarray。

在这里插入图片描述
请添加图片描述

数组的广播

将一个数组乘10，会将里面所有数乘10

在这里插入图片描述

数组加一个数字，每个元素都会加上这个数字

在这里插入图片描述

若arr2是4行6列的数组，arr3是1行6列的矩阵，用arr2 + arr3 是arr2的每行加上arr3对应元素

在这里插入图片描述

数组类型的特点

  • 有自己的shape(形状)
  • 有数据类型(dtype), 如:dtype=numpy.int32; dtype=numpy.float32
  • 可以修改数组中元素的值

修改数组形状numpy.reshape() —— 非常重要

  1. 预备工作，先生成一个数组对象:
arr5 = np.arange(0, 24, dtype=np.int32)
arr5

在这里插入图片描述

  1. 将数组转换成三行八列的数组:
arr5.reshape(3, 8)

在这里插入图片描述

  1. 将数组转换成四行六列的数组:
arr5.reshape(4, 6)

在这里插入图片描述

  1. 通过索引找到修改过shape的数组的第一个元素(注意与列表索引的区别，数组索引稍微简便，少了些括号):
    在这里插入图片描述

  2. 补充列表中的索引元素:
    在这里插入图片描述

  3. 修改数组中的元素:
    在这里插入图片描述
    注意，使用reshape函数时，不会创建副本。例如，这里修改了arr6的元素，但是也修改了arr5的元素，arr5和arr6指向同一个元素，没有创建副本，如下图:

在这里插入图片描述

  1. 使用copy函数，创建副本
arr6 = arr5.copy()

在这里插入图片描述

使用函数list()强制将数组转换为列表

使用函数list()强制将三行四列数组转换为列表，其中的每个元素仍是数组类型：
在这里插入图片描述

使用.ndim查看数组的维度

也可以理解成数组的轴的个数。
例: arr6为三行四列的数组
在这里插入图片描述

使用.size查看数组里面元素个数

在这里插入图片描述

类型转换(重点)

使用numpy.array()将列表转换为数组

注意看注释，涉及type()函数、dtype属性的使用

在这里插入图片描述

numpy.astype()

通过查看函数说明，可知astype()可以创建原数组的副本，并改变数组中元素的类型

在这里插入图片描述
例:
在这里插入图片描述
使用astype()函数后，通过arr8中的元素查看是否是arr7的副本:
在这里插入图片描述

数组切片

数组切片是原始数据的视图，也就是不会创造副本。注意这与列表切片的区别。

在这里插入图片描述
高维数组切片:
例1:
在这里插入图片描述
例2:
在这里插入图片描述在这里插入图片描述

Waldocsdn
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Python Numpy习题
SDCS-WangHX的博客
05-22 613
Generate matrices A, with random Gaussian entries, B, a Toeplitz matrix, where A ∈ R(n×m) and B ∈ R(m×m), for n = 200, m = 500. import numpy import scipy.linalg n = 200 m = 500 Mu = 0 Sigma = 1 A...
python之numpy包
01-07
Note: 菜鸟学习笔记，简单记录，代码手打 IDE: IPython/Jupyter/Pycharm numpy包学习记录 高级数据结构ndarray numpy包是pandas、matplotlib、seaborn等科学计算包的基础 # pip install numpy import numpy as np from numpy import pi # 从txt读取矩阵数据 a = np.genfromtxt('1.txt', delimiter=',', dtype=str) # 数据存储 matrix = np.array([ [1,2,3],[4,5,6],[7,8,9] ])
第二篇 CV基础之numpy基础
magnet head's blog
04-22 3534
第二篇 numpy 基础numpy 基础开篇np.load & np.savearray 和 list 的互相转换 numpy 基础 开篇 这学期在学习CV，学的怎么说呢？觉得虽然课后作业写的快疯了期中考试还考炸了，对CV还是依旧充满热情的。 CV里面到处的线性代数，矩阵搞来搞去，很烦，所以就有了numpy 这个神奇的库，里面的矩阵乘法不知道要比自己手下的function快了多少倍，总之水...
初探Numpy
戴翔的技术博客
12-03 664
零. 什么是NumpyNumpy是Python的一个科学计算的库，提供了矩阵运算的功能，其一般与Scipy、matplotlib一起使用。其实，list已经提供了类似于矩阵的表示形式，不过numpy为我们提供了更多的函数。一. 获取并安装Numpy1.1 安装Python发行版对于许多用户来说，尤其是在Windows上，最简单的方法就是下载一个Python发行版，其中包括所有的关键包。如何安装Pyt
python中numpy科学计算库的基本使用（一）
weixin_42412254的博客
08-28 2472
1.numpy的基本属性 import numpy as np #导入numpy库并取别名为np array=np.array([[1,2,3], [4,5,6], [7,8,9]])#新建一个数组 print(array)#输出数组 [[1 2 3] [4 5 6] [7 8 9]] print(array.ndim)#数组维度 2 注：[[[1,2,3], [4,5,6], [7,8,9]]] 是3维的数组 print(array.
Ai-Learn：人工智能学习路线图，整理近200个实战案例与项目，免费提供配套教材，零基础入门，就业实战！包括：Python，数学，机器学习，数据分析，深度学习，计算机视觉，自然语言处理，PyTorch张量流机器学习，深度学习数据分析数据挖掘数学数据科学科学人工智能python tensorflow tensorflow2 caffe keras pytorch算法numpy熊猫matplotlib seaborn nlp cv等领域
01-28
理解卷积神经网络（CNN）和循环神经网络（RNN），以及它们在计算机视觉（CV）和自然语言处理（NLP）中的应用至关重要。 计算机视觉涉及图像处理和模式识别技术，如图像分类、目标检测和图像分割。深度学习在这里...
一个简单的基于numpy和cupy的深度学习框架.zip
02-06
更有深度学习、机器学习、自然语言处理和计算机视觉的实战项目源码，助您从理论走向实践，如果您已有一定基础，您可以基于这些源码进行修改和扩展，实现更多功能。 【期待与您同行】 我们真诚地邀请您下载并使用...
机器学习实战（基于numpy实现常用机器学习算法）.zip
04-08
进入21世纪，深度学习成为机器学习领域的重要突破，采用多层神经网络模型，通过大量数据和强大的计算能力来训练模型，在计算机视觉、自然语言处理和语音识别等领域取得了显著的成果。 机器学习算法在各个领域都有...
用 python，numpy 实现机器学习各种经典算法.zip
最新发布
04-17
机器学习在自然语言处理领域有着重要的应用，包括文本分类、情感分析、机器翻译、语音识别等。例如，通过深度学习模型，可以训练神经网络来理解和生成自然语言，用于智能客服、智能助手、机器翻译等场景。 推荐系统...
基于Numpy和Matplotlib 库对于Opencv基础图.zip
02-06
更有深度学习、机器学习、自然语言处理和计算机视觉的实战项目源码，助您从理论走向实践，如果您已有一定基础，您可以基于这些源码进行修改和扩展，实现更多功能。 【期待与您同行】 我们真诚地邀请您下载并使用...
Numpy笔记（1）
weixin_40426830的博客
12-19 3648
Numpy学习 1、导入numpy库并简写为 np import numpy as np 2、打印numpy的版本和配置说明 print(np.__version__) np.show_config() 3、找到任何一个数组的内存大小 Z = np.zeros((10,10)) print("%d bytes" % (Z.size * Z.itemsize)) 4、从命令行得到numpy中add函数的说明文档 numpy.info(numpy.add) 5、创建一个值域范围从10到49的向量 Z =
什么是P问题、NP问题和NPC问题
霁月难逢 彩云易散
08-25 1657
这或许是众多OIer最大的误区之一。     你会经常看到网上出现“这怎么做，这不是NP问题吗”、“这个只有搜了，这已经被证明是NP问题了”之类的话。你要知道，大多数人此时所说的NP问题其实都是指的NPC问题。他们没有搞清楚NP问题和NPC问题的概念。NP问题并不是那种“只有搜才行”的问题，NPC问题才是。好，行了，基本上这个误解已经被澄清了。下面的内容都是在讲什么是P问题，什么是NP问题，什么
【MindSpore易点通】数据处理之NumPy练习--初级篇
weixin_45666880的博客
09-09 1057
print(cx)cl = cx[::-1] #使用切片方法并使用-1进行倒序print(cl)复制复制。
Python学习笔记之numpy库的使用——超详细
m0_58544983的博客
07-18 4023
NumPy是Python语言的一个第三方库，其支持大量高维度数组与矩阵运算。此外，NumPy也针对数组运算提供大量的数学函数。机器学习涉及到大量对数组的变换和运算，NumPy就成了必不可少的工具之一。...
Python - Numpy库的使用（简单易懂）
qq_61386381的博客
07-25 3436
目录 numpy多维数组——数组的创建 1、array函数创建数组对象 2、通过arange、linspace函数创建等差数组对象 3、通过logspace函数创建等比数列数组 函数 zeros ones diag eye full numpy多维数组——生成随机数 函数 seed rand randn randint 函数 binomial normal 和不常用函数 shuffle函数 numpy多维数组——数组的属性 属性 .ndim .shape .szie......
python中导入numpy库_python中的Numpy库
weixin_34517745的博客
01-29 5655
导入numpy库：import numpy as nppython的一个科学计算库的一个基础包，包含了强大的N维数组对象和向量运算数组创建，可以使用array函数从常规的python列表和或元组中创建数组，得到的类型是从列表元素中农推导出来的使用array函数创建数组，他接受一切序列型的对象，包括其他数组，然后产生一个新的 含有传入数据的numpy数组，其中嵌套数组会被转化为一个多维数组把列表转化...
这100道练习，带你玩转Numpy
Datawhale
01-14 1978
DatawhaleDatawhale，和鲸社区编辑Numpy是Python做数据分析所必须要掌握的基础库之一。以下为入门Numpy的100题小练习，原为github上的开源项目，由和鲸社...
Python--Numpy基础
guoziqing506的博客
05-02 4259
Numpy是Python的一个能快速处理矩阵运算的数学库，如果你从事的是数据科学，或者机器学习领域的话，Numpy是一项最基本的技能。他不仅简化了我们在处理矩阵运算时需要编写的代码，而且，许多Numpy的底层函数用C编写，我们能获得在用普通Python自带的列表结构时，所无法达到的运算速度。 下面，我将就Numpy的一些基本用法，做个简单的介绍，当然，一来Numpy库本身会不断更新，二来，我本人
这100道练习，带你玩转Numpy（附代码）
数据派THU
06-14 1899
来源：和鲸社区本文长度为9500字，建议阅读15分钟100道练习题快来训练吧！1.导入numpy库并简写为 np(提示: import … as …)importnumpyasnp...
零基础入门深度学习 csdn
06-20
深度学习是机器学习领域中活跃的分支，其基于神经网络模型实现的算法已经应用于许多领域中，如计算机视觉、语音识别、自然语言处理等等。但是，对于零基础的入门者来说，深度学习是一个相对较难的门槛。在这种情况下...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值