Numpy库基础方法汇总

此文章汇总一些我在DL学习中用到过的np库方法，作为笔记留存，后续遇到其他新东西再添，欢迎一起探讨学习！

import numpy as np

矩阵基础

numpy主要数组对象ndarray

ndarray是numpy库的主要对象，如果你生成了一个矩阵，然后调用type()方法去查看它的类型的话，它就会返回ndarray对象：

a = np.array([[1,2,3,4,5], [6,7,8,9,10]])
print(type(a))
# <class 'numpy.ndarray'>

数组的创建

理论上你可以用np.array()方法生成任意维数的数组，不过在实际操作中我们不可能用到太高维度的矩阵，我本人最高也就用到过5维矩阵。

创建一个空数组：

x = np.empty(shape = [2,5], dtype = int) 
print (x)
# [[2128575739 1309500030 1661424176 1988385690 1324770695]
#  [     12290          0          0          0          0]]

注： 值是随机的，因为没有初始化。
参数：

参数名	描述
shape	矩阵尺寸
dtype	元素数据类型
order	有"C"和"F"两个选项,分别代表，行优先和列优先，在计算机内存中的存储元素的顺序。（很少用到）

全0数组：

x = np.zeros(shape = [2,5], dtype = int) 
print (x)
# [[0 0 0 0 0]
#  [0 0 0 0 0]]

全1数组

x = np.ones(shape = [2,5], dtype = int) 
print (x)
# [[1 1 1 1 1]
#  [1 1 1 1 1]]

随机矩阵

这里只列举一个简单的方法，后面会有更多其他关于随机矩阵的东西
[0,1) 之间，平均分布

x = np.random.rand(2,5) 
print (x)
# [[0.67571794 0.95051445 0.77698268 0.28708719 0.96148028]
#  [0.35231135 0.60493328 0.99423589 0.22146058 0.54518968]]

更多其他矩阵生成方法

方法名	含义
arange(n)	返回ndarray类型，元素从0到n-1
full(shape,value)	根据shape生成一个数组，每元素值全为value
eye(n)	一个正方形的n*n单位矩阵，对角线为1，其余为0
ones_like(a)	与a同尺寸的全1矩阵
zeros_like(a)	与a同尺寸的全0矩阵
full_like(a,value)	与a同尺寸的全value值矩阵
linspace(start,stop,num)	根据起止数据等间距地填充数据，形成数组

获取矩阵的参数

矩阵的参数有很多，只列举几个常见的，其余以后遇到再补

矩阵的维数

a=np.array([[1,2,3,4,5], [6,7,8,9,10]])
print(a.ndim)
# 2

矩阵的尺寸

这里有好多种获取方法，最常用的一般是len()，a.shape，前者只返回第