python list 按照指定的index重排顺序_从零开始搭建机器学习算法框架（python）--计算框架...

介绍

本篇主要是模仿numpy的部分功能，搭建一个数值计算框架。目的是实现机器学习算法中涉及到基本的矩阵运算或操作。

1.Vector类

矩阵运算首先得要有矩阵，numpy里面矩阵的展现形式是ndarray这个类，pytorch或者tensorflow都叫Tensor。我这里起个名字叫Vector吧，用于存储矩阵的数据结构。

1. 1 初始化函数

关于Vector类，有两个必不可少的类成员属性，一是用于存储数值的变量array，二是用于表示矩阵形状的变量shape。

题外话：关于变量array存储数据的形式，我在这里还踩了两个坑。一开始我很天真，以为多维矩阵就是list的嵌套，但是随着进度继续，我发现单纯list的嵌套会有很多麻烦的地方。其中第一不和谐的点是，如果array为list的嵌套，对Vector的某个维度进行索引的时候，取出来是个list，而不是一个Vector。尽管可以在复写__getitem__的时候，构造一个新的Vector实例，但这会影响索引时的速度...另外一点是，我发现一旦维度大于2，list嵌套实在太难写转置操作了。于是我打算尽可能维持这个vector取数据的过程类似线性表（当然python里没有严格的线性表，list是线性表和链表的结合）的特性，二是希望这个存储结构有利于转置操作。我的第二个想法是，array的存储结构就是一个一维的list。对vector取值时，可以根据shape对index进行映射到array相应的index上，来达到索引指定位置的目的，思路类似下图（图一）。据说numpy的C实现的底层就是这么设计的，不过这种设计转置写起来感觉更麻烦了。于是放弃了这个方案。

图一

总之，我们希望如果对Vector进行索引的话，得到的东西还是个vector。所以最简单的想法就是，array里装的是低一维的Vector。这样索引的时候直接可以对array索引直接取到响应的Vector了。这样，array在初始化的时候需要做一些额外的操作，直接看代码好了：

class Vector:
    def __init__(self, data, shape=None, requires_grad=True, _creator=None, grad=None, name='Unknown'):
        if not shape:
            shape = _inference_shape(data)
        else:
            shape = deepcopy(shape)
        if len(shape) > 1:
            self.array = [elem if isinstance(elem, Vector) else Vector