[Python] Numpy Learning

Python 中提供了 list 容器，可以当作数组使用。但列表中的元素可以是任何对象，因此列表中保存的是对象的指针，这样一来，为了保存一个简单的列表 [1,2,3]。就需要三个指针和三个整数对象。对于数值运算来说，这种结构显然不够高效。

构建数组

直接从 list 中构建

array 中的参数是数组的数据

x = np.array([2, 3, 4])
x = np.array([[2, 3, 4], [5, 6, 7]])
x = np.array([2, 3, 4], dtype=np.uint8)
x = np.array([2, 3, 4], dtype=np.uint8)

empty, zeros, ones

empty 可以构建形状为 shape 的数组，其值取决于内存原始值。zeros，ones 可以将内存初始化

x = np.empty(shape=100, dtype=np.uint8)
x = np.empty(shape=(10, 10))
x = np.empty(shape=(10, 10), dtype=np.uint16)
x = np.zeros(shape=(10, 10))
x = np.ones(shape=(10, 10))

random

randint 可以构建形状为 size 的数组，其值为 [low, high) 的随机整数

x = np.random.randint(5)
x = np.random.randint(low=2, high=10, size=5)
x = np.random.randint(low=2, high=10, size=(3, 4))

randn 从标准正太分布中返回数值

x = np.random.randn(5, 5)

rand 从 [0, 1) 中随机选择

x = np.random.rand(5, 5)

选择数组元素

... 和 ：

... 和 : 用来快速操作 numpy

x = np.random.randn(3, 3, 2)

x[..., 1] 表示前两维保持不变，最后一维取 1 号元素，变成 3*3 矩阵，效果等同于 x[:, :, 1]
x[1, ...] 表示第一维取 1 号元素，其余维度保持不变，变成 3*2 矩阵，效果等同于 x[1, :, :]，x[1]
x[1, ..., 1] 表示第一维和最后一维取 1 号元素，其余维度保持不变，变成 3 维矩阵，效果等同于 x[1, :, 1]

list

使用 list 操作 array，返回值依旧是 array

x = np.random.randn(10, 5)
a = [1, 3, 5]
x[a]
x[a, :]
x[:, a]
x[..., a]

数组拓展维度

打开 ipython

x = np.random.randn(5)
x.shape # (5,)
y = np.expand_dims(x, axis=0)
y.shape # (1,5)
y = np.expand_dims(x, axis=-1)
y.shape # (5,1)