python数据分析与展示学习笔记（3）ndarray数组维度与轴的理解及随机数/统计/梯度函数

在学习ndarray数组时，笔者对ndarray数组的两个概念——维度、轴产生了疑惑，故查阅资料仔细理解了一下，现将笔者的理解整理如下，如有不当之处欢迎指正。

在前面我们定义或产生多维数组时，例如我们使用a=np.arange(24).reshape(2,4,3)这一行语句生成一个shape为(2,4,3)的多维数组，维度的概念该如何理解呢？

首先shape这一属性是描述ndarray数组每一维度的数量，在上例中一共有3个维度，第一维数量(也就是a.shape[0])为2,从打印出的数组来看，就是第一维就是最外层，第二维就是次外层，以此类推。这么讲好像还是不知道这个维度到底是个啥，以图像为例，表示图像的数组一般是三维数组，三个维度分别表示高度、宽度、RGB值，其实维度就是从不同角度描述这个数组，也就是描述数组对应的对象，假如这张图片就是拿门锁拍的，它对应的数组.shape就是上例中的(2,4,3)，也就是说这个马赛克图片2个像素高，4个像素宽，每个RGB值对应有(R,G,B)三个值去描述，我们想要定位到任意一个像素的信息，就得一层一层往里找，也就是按照数组的中括号一层一层往里，第一维高度维上目标像素是第几个，第二维宽度维上目标像素是第几个，最后才能锁定这个像素的RGB值。比如我们要找2号像素，那么第一维高度其处于1，也就是array中上面的四排，第二维宽度处于2，所以我们将这个像素的信息定位到了第二排[3,4,5]，这三个值就对应了数量为三的第三维RGB值。知道了维度，轴的概念就很好理解了，就是每个维度的标度，坐标轴，如图中的两个axis。

介绍完维度和轴，接下来列出科学计算常使用到的numpy提供的随机数产生、统计计算、梯度计算函数。

• 随机数产生

numpy给出了random子库用于提供随机数产生，以下表格图片均来自嵩天老师的慕课ppt，感谢嵩老师

• 统计计算

 

• 梯度计算

​​​​​​​

由于笔者刚开始学习，还没具体应用过，只是简单将嵩老师ppt中的函数列在此，日后用到后再添加代码示例。