Numpy高维数据的理解

Numpy高维数据的理解

当实际处理多维变量时,尤其需要使用到Tensorflow这样深度学习库,比如,图片数据批次其形状为:N×H×W×CN×H×W×C, 高维序列格式存在难以理解的问题。因此如何读懂这些高维序列是一个很基础的问题。

列表和1-D Numpy array

这里写图片描述 
如何检索一个列表中的元素,上图给出了很好的描述

嵌套列表和2-D Numpy序列

当嵌套两个List事情就变得很有趣了。2-D表示:矩阵、数据库里的表格、灰度图像

这里写图片描述 
上面是一个List里面嵌套了三个List,每个List都表示长方形表中的一个行向量

在Python中访问一个嵌套列表,通常使用两个方括号,具体如下: 
这里写图片描述

下面是一些小例子: 
这里写图片描述

我们将嵌套结构看做一棵树 
这里写图片描述

2-D numpy arrays

V=np.array([[1, 0, 0],[0,1, 0],[0,0,1]])
  • 1

2-D Numpy arrays 的加法运算

X=np.array([[1,0],[0,1]])
Y=np.array([[2,1][1,2]])
Z=X+Y;
Z:array([[3,1],[1,3]])
  • 1
  • 2
  • 3
  • 4

这里写图片描述

2-D Numpy arrays 的乘法运算

X=np.array([[1,0],[0,1]])
Y=np.array([[2,1][1,2]])
Z=X*Y;
Z:array([[2,0],[2,0]])
  • 1
  • 2
  • 3
  • 4

这里写图片描述

嵌套三个列表和3-DNumpys arrays

可以看到相比于2-D列表,3-DNumpys arrays增加了一个方括号 
这里写图片描述

我们可以这样检索其中一个元素。 
这里写图片描述

为了生活化场景,基本的二维表格形状不变,而增加了相应的多个表格,类似于地址- 楼层- 房间号的表达方式 
这里写图片描述

而检索过程也类似于这样过程 
这里写图片描述

nDNumpy序列的加法表达是这样: 
这里写图片描述

4DNumpy

这里写图片描述

这里写图片描述

思考一下: 
1. 如何表达如下矩阵Tensor? 
1×2×2×11×2×2×1 
3×3×1×13×3×1×1 
3×3×2×13×3×2×1 
3×3×2×23×3×2×2

给出答案:

[[[[1,1],
   [1,1]]]]

[[[[1]],[[1]],[[1]]],
 [[[1]],[[1]],[[1]]],
 [[[1]],[[1]],[[1]]]]

[[[[1],[1]],[[1],[1]],[[1],[1]]],
 [[[1],[1]],[[1],[1]],[[1],[1]]],
 [[[1],[1]],[[1],[1]],[[1],[1]]]]

[[[[1,1],[1,1]],[[1,1],[1,1]],[[1,1],[1,1]]],
 [[[1,1],[1,1]],[[1,1],[1,1]],[[1,1],[1,1]]],
 [[[1,1],[1,1]],[[1,1],[1,1]],[[1,1],[1,1]]]] 
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15

在原文章中,表达较为清晰,适合新手入门。 
Reference:From Python Nested Lists to Multidimensional numpy Arrays

阅读更多
想对作者说点什么?

博主推荐

换一批

没有更多推荐了,返回首页