Numpy—day3方法集锦

ndarray的矩阵操作

基本矩阵操作

• 加法

nd = np.random.randint(0, 10, size=(5, 4))
# 矩阵加上单个数值相当于每个基本元素都加上该值
nd + 3 

• np.add()求和
  不对原数组产生影响

# 矩阵上每个数值都加上10
np.add(nd, 10)
# 矩阵相加
np.add(nd, nd)

• np.multiply()乘积
  不对原来的结果产生影响

np.multiply(nd, 10)

• 矩阵乘积np.dot
  a矩阵列数必须等于b举证的行数

np.dot(a, b)

• 三维乘一维
• 三维乘二维

广播机制

两条规则
1. 为缺失的维度补1
2. 假定缺失元素用已有值填充

nd1 = np.ones((2, 3))
nd1
>>>array([[1., 1., 1.],
         [1., 1., 1.]])

nd2 = np.arange((3))
nd2
>>>array([0, 1, 2])

nd1 + nd2
>>>array([[1., 2., 3.],
         [1., 2., 3.]])

ndarray的排序

方法一：

nd = np.random.randint(0, 150, size=10)
for i in range(nd.size):
    for j in range(i, nd.size):
        if nd[i] > nd[j]:
            nd[i], nd[j] = nd[j], nd[i]
nd

方法二：

def sort_nd(nd):
    for i in range(nd.size):
        # 不加上i索引会乱
        min_index = nd[i:].argmin() + i
        nd[i], nd[min_index] = nd[min_index], nd[i]
sort_nd(nd)
nd

快速排序

np.sort()与ndarray.sort()都可以，但有区别：
* np.sort()不改变输入
* ndarray.sort()本地处理，不占用空间，但改变输入

nd = np.random.randint(0, 10, size=10)
np.sort(nd)  # 不改变原数组

nd.sort()  # 改变原数组
print(nd2)  

部分排序

nd = np.random.randint(0, 1000, size=100)

np.partition(nd, -5)[-5:]  # 最大的五个数

np.partition(nd, 5)[:5]  # 最小的五个数（未排序）
np.sort(np.partition(nd, 5)[:5])

图片换脸

需要从cv2库
安装cv2库：pip install opencv-python

import numpy as np
import cv2
import matplotlib.pyplot as plt

1. 导入图片

sanpang = cv2.imread('./jinzhengen.png')
sanpang
plt.imshow(sanpang[:, :, ::-1])  # 展示图片（rgb改变）

1. 导入要替换的脸

dog = cv2.imread('dog.jpg')
dog
plt.imshow(dog[:, :, ::-1])

1. 识别人脸区域， 需要算法（已经自动提供）

face_det = cv2.CascadeClassifier('./data/haarcascade_frontalface_default.xml')

1. 使用算法自动寻找三胖的脸

# 得到一个ndarray，是人脸的区域
face_zone = face_det.detectMultiScale(sanpang)
face_zone

1. 裁切狗脸

dog_face = dog[40:180, 70:240]  # 根据图片裁切脸部区域
dog_face.shape

1. 压缩狗脸

dog_face2 = cv2.resize(dog_face), (61, 61))
plt.imshow(dog_face2)

1. 进行循环

for x, y, w, h in face_zone:
    sanpang[y:y+w, x:x+w] = dog_face2

1. 查看效果

plt.imshow(sanpang[:, :, ::-1])