python基本语法元素第一周数值运算mopn_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：

http://www.scipy.org/scipylib/download.html

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) #

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, 2:-2]

”’

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))