python中numpy的使用_python中numpy的简单用法

numpy是python中的一个科学计算的包，里面有许多的计算函数，还有数学运算公式，并且随着机器学习和神经网络的流行，python中的numpy包被使用得更加频繁了。尤其是numpy中提供的矩阵运算和广播原理就像天生为神经网络量身打造的一样，所以学习使用好numpy包显得更加重要。

numpy的基本数据是数组。

np.array([1,2])就是创建了一个简单的一维数组。

shape也是numpy中的的基本数据，表示他的形状。

比如，上面的数组[1,2]的长度为2，所以他的形状为(2,)。

但是如果我创建一个矩阵，比如np.array([[1],[2]]) 这是一个行向量，注意，这个行向量和上面的一维数组具有相同的元素，所以大概率会被搞混淆，但是，这两个确实不是一个东西。在运算的时候区别也很大。

我们计算矩阵相乘的时候用的是numpy中的dot函数，这个函数有两种用法，我们先假设 a b 为两个矩阵。则这两个矩阵相乘，我们可以写为a.dot(b),也可以写为，np.dot(a,b)，两个方法时没有区别的。

但是计算两个一维数组时，我们用的dot函数，就会变成计算两个向量的点积，结果会大相庭径。

这也是我在上吴恩达的机器学习课程的时候，他也提醒过的。

在你每次得出的结果后面加上，reshape,变成你想要的形状，这个函数运行起来也不需要占用太多时间，反复运行也没关系。