numpy中关于数组的一些操作

本人tensorflow新手，在阅读tensorflow笔记中遇到了一些对于numpy模块的问题，查阅了一些资料觉得下面的几条很有帮助。

Numpy np.array 相关常用操作学习笔记
https://www.cnblogs.com/oftenlin/p/7856389.html

1.np.array构造函数（个人理解是构造张量）
用法：np.array([1,2,3,4,5])

• numpy array 和 python list 有什么区别？
  标准Python的列表(list)中，元素本质是对象。如：L = [1, 2, 3]，需要3个指针和三个整数对象，对于数值运算比较浪费内存和CPU。因此，Numpy提供了ndarray(N-dimensional array object)对象：存储单一数据类型的多维数组。

• 如何强制生成一个 float 类型的数组
  d = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]], dtype=np.float)
  1.3 使用astype(int)对上述 array 进行强制类型转换

• d.astype(int)

• dtype 和type 的区别是什么
  type(d) 和 d.dtype 一个返回的是d 的数据类型 nd.array 另一个返回的是数组中内容的数据类型

2.arange（自动生成数组）
用法 ：np.arange(0,10) // 生成[0,1,2,3,4,5,6,7,8,9] 左开右闭不包括10

• arange 和python的range的区别： arange可以生成浮点类型，而range只能是整数类型。

3.reshape
np.arange(1,10).reshape((3,3)) 从(3,4)改为(4,3)并不是对数组进行转置，而只是改变每个轴的大小，数组元素在内存中的位置并没有改变
reshape(-1,1) 任一行一列

4.构造等差数列
np.linspace(1, 10, 10)

#构造等差数列 开始值，结束值，共几个数字
#包括终止值 [1,2,3,4,5,6,7,8,9,10]
#可以通过选项配置其不包括终止值
c=np.linspace(1, 10, 10, endpoint=False)

5.构造等比数列
np.logspace(1,4,4,base=2,endpoint=True)

6.随机数生成

• 随机生成（4*4）个0-10的数的二维数组
  np.random.randint(a, b, size=(c, d))

• 随机生成 0-1的10个数字
  np.random.rand

7.np.array 的数组切片

• 切片规则 [三冒号规则]
  [开始：结尾：步长]
• 开始为-1
  a[-1] 取最后一个
  a = [0,1,2,3,4,5,6,7]
  a[-1] = 7
• 结尾为-1（开始必须为大于等于0的数）
  a[2:-1] = [2,3,4,5,6]
• 步长为-1，意味着反转
  a[::-1]=[7,6,5,4,3,2,1]

8.特殊矩阵的生成
np.ones((3,3))、np.zeros((3,3))、np.eye(1,1) 奇怪的是 eye 为啥不接收元祖作为参数呢？晕 eye 也没有 写成eye
还有 a=[1,2,3] np.diag(a) 是生成1，2，3 为对角线的方阵

9.数组的运算及矩阵的运算

• 数组的相加，相当的随意，不用一样的行和列
  a = np.array([1,2,3,4,5])
  b = a.reshape(-1,1)
  a+b 返回的是一个 5*5 的矩阵
• 矩阵的加法必须是行列相同
  a = np.matrix(np.array([[1,2,3],[2,1,3]]));
  a.T 表示转置 a.I 表示逆矩阵
• 对应元素相乘用 multiple ，矩阵相乘可直接写，但行和列要相等
  a1=mat([1,1]);
  a2=mat([2,2]);
  a3=multiply(a1,a2)

np.argsort

https://blog.csdn.net/cetrol_chen/article/details/79148143

numpy.argsort(a, axis=-1, kind=’quicksort’, order=None)
功能: 将矩阵a按照axis排序，并返回排序后的下标
参数: a:输入矩阵， axis:需要排序的维度
返回值: 输出排序后的下标

x = np.array([3, 1, 2])
np.argsort(x)
array([1, 2, 0])
1
2
3

x = np.array([[1, 5, 7], [3, 2, 4]])
np.argsort(x, axis=0)
array([[0, 1, 1],
[1, 0, 0]]) #沿着行向下(每列)的元素进行排序

np.argsort(x, axis=1)
array([[0, 1, 2],
[1, 0, 2]]) #沿着列向右(每行)的元素进行排序
1
2
3
4
5
6
7