pythonmatplot教程_给深度学习入门者的Python快速教程 - numpy和Matplotlib篇

5.3 Python的科学计算包 - Numpy

numpy(Numerical Python extensions)是一个第三方的Python包，用于科学计算。这个库的前身是1995年就开始开发的一个用于数组运算的库。经过了长时间的发展，基本上成了绝大部分Python科学计算的基础包，当然也包括所有提供Python接口的深度学习框架。

numpy在Linux下的安装已经在5.1.2中作为例子讲过，Windows下也可以通过pip，或者到下面网址下载：

Obtaining NumPy & SciPy libraries

5.3.1 基本类型(array)

array，也就是数组，是numpy中最基础的数据结构，最关键的属性是维度和元素类型，在numpy中，可以非常方便地创建各种不同类型的多维数组，并且执行一些基本基本操作，来看例子：

import numpy as np

a = [1, 2, 3, 4]

#

b = np.array(a)

# array([1, 2, 3, 4])

type(b)

#

b.shape

# (4,)

b.argmax()

# 3

b.max()

# 4

b.mean()

# 2.5

c = [[1, 2], [3, 4]] # 二维列表

d = np.array(c)

# 二维numpy数组

d.shape

# (2, 2)

d.size

# 4

d.max(axis=0)

# 找维度0，也就是最后一个维度上的最大值，array([3, 4])

d.max(axis=1)

# 找维度1，也就是倒数第二个维度上的最大值，array([2, 4])

d.mean(axis=0)

# 找维度0，也就是第一个维度上的均值，array([ 2., 3.])

d.flatten()

# 展开一个numpy数组为1维数组，array([1, 2, 3, 4])

np.ravel(c)

# 展开一个可以解析的结构为1维数组，array([1, 2, 3, 4])

# 3x3的浮点型2维数组，并且初始化所有元素值为1

e = np.ones((3, 3), dtype=np.float)

# 创建一个一维数组，元素值是把3重复4次，array([3, 3, 3, 3])

f = np.repeat(3, 4)

# 2x2x3的无符号8位整型3维数组，并且初始化所有元素值为0

g = np.zeros((2, 2, 3), dtype=np.uint8)

g.shape

# (2, 2, 3)

h = g.astype(np.float) # 用另一种类型表示

l = np.arange(10)

# 类似range，array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

m = np.linspace(0, 6, 5)# 等差数列，0到6之间5个取值，array([ 0., 1.5, 3., 4.5, 6.])

p = np.array(

[[1, 2, 3, 4],

[5, 6, 7, 8]]

)

np.save('p.npy', p)

# 保存到文件

q = np.load('p.npy') # 从文件读取

注意到在导入numpy的时候，我们将np作为numpy的别名。这是一种习惯性的用法，后面的章节中我们也默认这么使用。作为一种多维数组结构，array的数组相关操作是非常丰富的：

import numpy as np

'''

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]]])

'''

a = np.arange(24).reshape((2, 3, 4))

b = a[1][1][1] # 17

'''

array([[ 8, 9, 10, 11],

[20, 21, 22, 23]])

'''

c = a[:, 2, :]

''' 用:表示当前维度上所有下标

array([[ 1, 5, 9],

[13, 17, 21]])

'''

d = a[:, :, 1]

''' 用...表示没有明确指出的维度

array([[ 1, 5, 9],

[13, 17, 21]])

'''

e = a[..., 1]

'''

array([[[ 5, 6],

[ 9, 10]],

[[17, 18],

[21, 22]]])

'''

f = a[:, 1:, 1:-1]

'''

平均分成3份

[array([0, 1, 2]), array([3, 4, 5]), array([6, 7, 8])]

'''

g = np.split(np.arange(9), 3)

'''

按照下标位置进行划分

[array([0, 1]), array([2, 3, 4, 5]), array([6, 7, 8])]

'''

h = np.split(np.arange(9), [2, -3])

l0 = np.arange(6).reshape((2, 3))

l1 = np.arange(6, 12).reshape((2, 3))

'''

vstack是指沿着纵轴拼接两个array，vertical

hstack是指沿着横轴拼接两个array，horizontal

更广义的拼接用concatenate实现，horizontal后的两句依次等效于vstack和hstack

stack不是拼接而是在输入array的基础上增加一个新的维度

'''

m = np.vstack((l0, l1))

p = np.hstack((l0, l1))

q = np.concatenate((l0, l1))

r = np.concatenate((l0, l1), axis=-1)

s = np.stack((l0, l1))

'''

按指定轴进行转置

array([[[ 0, 3],

[ 6, 9]],

[[ 1, 4],

[ 7, 10]],

[[ 2, 5],

[ 8, 11]]])

'''

t = s.transpose((2, 0, 1))

'''

默认转置将维度倒序，对于2维就是横纵轴互换

array([[ 0, 4, 8],

[ 1, 5, 9],

[ 2, 6, 10],

[ 3, 7, 11]])

'''

u = a[0].transpose()# 或者u=a[0].T也是获得转置

'''

逆时针旋转90度，第二个参数是旋转次数

array([[ 3, 2, 1, 0],

[ 7, 6, 5, 4],

[11, 10, 9, 8]])

'''

v = np.rot90(u, 3)

'''

沿纵轴左右翻转

array([[ 8, 4, 0],

[ 9, 5, 1],

[10, 6, 2],

[11, 7, 3]])

'''

w = np.fliplr(u)

'''

沿水平轴上下翻转

array([[ 3, 7, 11],

[ 2, 6, 10],

[ 1, 5, 9],

[ 0, 4, 8]])

'''

x = np.flipud(u)

'''

按照一维顺序滚动位移

array([[11, 0, 4],

[ 8, 1, 5],

[ 9, 2, 6],

[10, 3, 7]])

'''

y = np.roll(u, 1)

'''

按照指定轴滚动位移

array([[ 8, 0, 4],

[ 9, 1, 5],

[10, 2, 6],

[11, 3, 7]])

'''

z = np.roll(u, 1, axis=1)

对于一维的array所有Python列表支持的下标相关的方法array也都支持，所以在此没有特别列出。

既然叫numerical python，基础数学运算也是强大的：

import numpy as np

# 绝对值，1

a = np.abs(-1)

# sin函数，1.0

b = np.sin(np.pi/2)

# tanh逆函数，0.50000107157840523

c = np.arctanh(0.462118)

# e为底的指数函数，20.085536923187668

d = np.exp(3)

# 2的3次方，8

f = np.power(2, 3)

# 点积，1*3+2*4=11

g = np.dot([1, 2], [3, 4])

# 开方，5

h = np.sqrt(25)

# 求和，10

l = np.sum([1, 2, 3, 4])

# 平均值，5.5

m = np.mean([4, 5, 6, 7])

# 标准差，0.96824583655185426

p = np.std([1, 2, 3, 2, 1, 3, 2, 0])

(责任编辑：ioter)