基于PyTorch深度学习实战入门系列-Numpy基础全

Numpy的使用

1. 导入Numpy模块

   import numpy as np
   

2. 创建数组（一维数组、小数数组、二维数组）

   # 创建一个一维数组
   n1 = np.array([1, 2, 3])
   # 创建一个含有小数的一维数组
   n2 = np.array([0.1, 0.2, 0.3])
   # 创建一个简单的二维数组
   n3 = np.array([[1, 2], [3, 4]])
   print("一维数组：", n1)
   print("小数数组：", n2)
   print("二维数组：\n", n3)
   

   输出：

   

3. 将列表转换为数组并指定类型

   list = [1, 2, 3]
   # 创建浮点型数组
   n1 = np.array(list, dtype=float)
   print("数组：", n1)
   print("数组类型：", n1.dtype)
   print("数组内第一个元素类型：", type(n1[0]))
   

   

4. 复制数组（需要使用copy参数）

   不使用时（其实是浅拷贝）更改n2数据n1同时改变了

   n1 = np.array([1, 2, 3])
   n2 = n1
   n2[1] = 5
   print(n1)
   print(n2)
   

   

   使用copy参数

   n1 = np.array([1, 2, 3])
   n2 = np.array(n1, copy=True)
   n2[0] = 5
   print(n1)
   print(n2)
   

   

5. 修改数组维数

   n1 = [1, 2, 3]
   # 转换为三维数组
   n2 = np.array(n1, ndmin=3)
   print(n2)
   print(n2.shape)
   

   

6. 创建制定形状未初始化的数组

   n = np.empty([2,3])
   print(n)
   

   

7. 创建以0填充的数组

   n = np.zeros([2, 3])
   print(n)
   

   

8. 创建以1填充的数组

   n = np.ones([2, 3])
   print(n)
   

   

9. 创建指定数值填充的数组

   n = np.full((3, 3), 8)
   print(n)
   

   

10. 数组的加减乘除法运算

    n1 = np.array([1, 2])
    n2 = np.array([3, 4])
    print(n1 + n2)
    print(n1 - n2)
    print(n1 * n2)
    print(n1 / n2)
    

    

11. 数组的reshape操作

    n = np.array(
        ['唧', '唧', '复', '唧', '唧', '木', '兰', '当', '户', '织', '不', '闻', '机', '杼', '声', '惟', '闻', '女', '叹',
         '息'])
    n1 = n.reshape(4, 5)
    print(n1)
    

    

12. 使用mat创建矩阵

    a = np.mat([[5, 6], [7, 8]])
    b = np.mat([[1, 2], [3, 4]])
    print(a)
    print(b)
    print(type(a))
    print(type(b))
    

    

13. 矩阵的加减乘除运算

    data1 = np.mat([[1, 2], [3, 4], [5, 6]])
    data2 = np.mat([1, 2])
    data3 = np.mat([[5, 6], [7, 8]])
    print(data1 + data2)
    print(data1 - data2)
    print(data1 / data2)
    print(data1 * data3)
    

    

14. 数组点乘运算

    n1 = np.array([1, 2, 3])
    n2 = np.array([[1, 2, 3], [1, 2, 3], [1, 2, 3]])
    print(np.multiply(n1, n2))
    

    

15. 矩阵求转置

    n1 = np.mat([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
    print('矩阵转置结果为：\n', n1.T)
    

    

16. 矩阵求逆

    n1 = np.mat([[1, 3, 3], [4, 5, 6], [7, 15, 9]])
    print('矩阵的逆矩阵结果为：\n', n1.I)
    

    

17. 使用Numpy内置函数进行数组加减乘除

    n1 = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
    n2 = np.array([10, 10, 10])
    print('两个数组相加：')
    print(np.add(n1, n2))
    print('两个数组相减：')
    print(np.subtract(n1, n2))
    print('两个数组相乘：')
    print(np.multiply(n1, n2))
    print('两个数组相除：')
    print(np.divide(n1, n2))
    

18. 幂运算

    n1 = np.array([10, 100, 1000])
    print(np.power(n1, 3))
    

19. 数组元素行列求和

    n = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
    print('对数组元素求和：')
    print(n.sum())
    print('对数组元素按列求和：')
    print(n.sum(axis=0))
    print('对数组元素按行求和：')
    print(n.sum(axis=1))
    

20. 数组元素求平均值

    n = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
    print('对数组元素求平均值：')
    print(n.mean())
    print('对数组元素按列求平均值：')
    print(n.mean(axis=0))
    print('对数组元素按行求平均值：')
    print(n.mean(axis=1))
    

21. 求最大最小值

    n = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
    print('数组元素最大值：')
    print(n.max())
    print('数组中每一列的最大值：')
    print(n.max(axis=0))
    print('数组中每一行的最大值：')
    print(n.max(axis=1))
    print('数组元素最小值：')
    print(n.min())
    print('数组中每一列的最小值：')
    print(n.min(axis=0))
    print('数组中每一行的最小值：')
    print(n.min(axis=1))
    

22. 求数组中位数

    n = np.array([34.5, 36, 37.8, 39, 39.8, 33.6])
    # 数组排序后，查找中位数
    sort_n = np.sort(n)
    print('数组排序：')
    print(sort_n)
    print('数组中位数为：')
    print(np.median(sort_n))
    

23. 求数组方差标准差

    n = np.array([34.5, 36, 37.8, 39, 39.8, 33.6])
    print('数组方差：')
    print(np.var(n))
    print('数组标准差：')
    print(np.std(n))
    

24. 数组排序

    n = np.array([[4, 7, 3], [2, 8, 5], [9, 1, 6]])
    print('数组排序：')
    print(np.sort(n))
    print('按列排序：')
    print(np.sort(n, axis=0))
    print('按行排序：')
    print(np.sort(n, axis=1))