Numpy

Numpy（Numerical Python）开源的Python科学计算库，用于快速处理任意维度的数组。支持常见的数组和矩阵操作。

数学上将一维数组称为向量，将二维数组称为矩阵。另外，可以将一般化之后的向量或矩阵等统
称为张量（tensor）。

使用ndarray对象来处理多维数组。ndarray比python原生的列表list运算效率高。

ndarray

属性

• ndarray.shape 数据维度的元组，返回(行,列)，shape[0]一维数组长度，shape[1]二维数组长度
• ndarray.ndim 数组维数，返回维数
• ndarray.size 数组中的元素数量，返回元素数量
• ndarray.itemsize 一个数组元素的长度，返回数组元素长度
• ndarray.dtype 数组元素的类型，返回数组元素类型
• axis = 0，对列数据计算
• axis = 1，对行数据计算

形状

• 一维
• 二维
• 三维

生成0和1的数组

• np.ones(shape, dtype)
• np.zeros(shape,dtype)

W_update=np.zeros_like(W)

函数主要是想实现构造一个矩阵W_update，其维度与矩阵W一致，并为其初始化为全0；这个函数方便的构造了新矩阵，无需参数指定shape大小；

生成数组方式

• np.array(object, dtype) #深拷贝
• np.asarray(a,dtype) #浅拷贝

生成固定范围的数组

• 创建等差数组（指定数量）np.linspace(start, stop, num, endpoint) num为等间隔数量，endpoint表示序列是否包含stop值，默认true
• 创建等差数组（指定步长）np.arange(start, stop, step, dtype) step为步长
• 创建等比数列np.logspace(start,stop,num) num为等比数列数量，默认50

正态分布

μ为正态分布的随机变量均值，σ的平方为随机变量方差。μ决定位置，标准差σ决定分布的幅度。方差越大，图线越“胖”，越小越“瘦”。标准正态分布又称为u分布，是以0为均值、以1为标准差的正态分布，记为N（0，1）。

np.random.rand(d0,d1,…,dn)

• rand函数根据给定维度生成[0,1)之间的数据，包含0，不包含1
• dn表格每个维度
• 返回值为指定维度的array

np.random.randn(d0, d1, ..., dn)

• 从标准正态分布中返回一个或多个样本值，具有标准正态分布。
• dn表格每个维度
• 返回值为指定维度的array

np.random.randint(low, high=None, size=None, dtype=’l’)

• 返回随机整数，范围区间为[low,high），包含low，不包含high
• 参数：low为最小值，high为最大值，size为数组维度大小，dtype为数据类型，默认的数据类型是np.int
• high没有填写时，默认生成随机数的范围是[0，low)

np.random.random_integers(low, high=None, size=None)

• 返回随机整数，范围区间为[low,high]，包含low和high
• 参数：low为最小值，high为最大值，size为数组维度大小
• high没有填写时，默认生成随机数的范围是[1，low]

生成[0,1)之间的浮点数

• np.random.random_sample(size=None)
• np.random.random(size=None)
• np.random.ranf(size=None)
• np.random.sample(size=None)

numpy.random.choice(a, size=None, replace=True, p=None)

• 从给定的一维数组中生成随机数
• 参数： a为一维数组类似数据或整数；size为数组维度；p为数组中的数据出现的概率
• a为整数时，对应的一维数组为np.arange(a)
• 当replace为False时，生成的随机数不能有重复的数值
• 参数p的长度与参数a的长度需要一致；
• 参数p为概率，p里的数据之和应为1

numpy.random.seed()

• np.random.seed()的作用：使得随机数据可预测。
• 当我们设置相同的seed，每次生成的随机数相同。如果不设置seed，则每次会生成不同的随机数

np.random.normal(loc=0.0, scale=1.0,size=None)

• loc:概率分布的均值，float类型
• scale：概率分布的标准差，float类型，scale越大越矮胖，scale越小越瘦高。
• size：int或tuple类型

np.random.standard_normal(size=None)

• 返回指定形状的标准正态分布数组

均匀分布

np.random.uniform(low=0.0 , hight=1.0 ,size=None)

• 从一个均匀分布[low, high)中随机采样，定义域左闭右开
• low：采样下界，float类型，默认值0
• high：采样上界，float类型，默认值1
• size：输出样本数目，int或tuple类型
• 返回值：ndarray类型

np.random.randint(low, high=None, size=None, dtype=’l’)

• 从一个均匀分布中随机采样，生成一个整数或N维整数数组
• 返回随机整数，范围区间为[low,high），包含low，不包含high
• 参数：low为最小值，high为最大值，size为数组维度大小，dtype为数据类型，默认的数据类型是np.int
• high没有填写时，默认生成随机数的范围是[0，low)

数组形状修改

ndarray.reshape(shape, order)

• 返回一个具有相同数据域，但shape不一样的视图，行列不进行互换。shape为[行, 列]

ndarray.resize(new_shape)

• 修改数组本身的形状（需要保持元素个数前后相同），行列不进行互换

ndarray.T

• 数组的转置，行列进行互换

数组类型修改

ndarray.astype(type)

• 返回修改类型后的数组。如exm.astype(np.int32)

ndarray.tostring([order])

• 构造包含数组中原始数据的字节

数组去重

np.unique()

• temp=np.array([1,2,3],[3,4,5])
• np.unique(temp)
• temp为([1,2,3,4,5])

广播机制（broadcasting）

实现两个或两个以上数组运算，即使数组的shape不完全相同，只需要满足以下任意一个条件即可

1. 数组的某一维度等长
2. 其中一个数组的某一维度为1

矩阵乘法

np.matmul(a, b) 禁止矩阵与标量（数字）的乘法

np.dot(a, b)

转换为一维数组

np.flatten()

取元素中最大值对应的索引

np.argmax()