Numpy快速入门（基于Stanford计算机视cs231n课程tutorial ）

 

前导知识 

1.  斯坦福计算机视觉提供tutorial：Python Numpy Tutorial (with Jupyter and Colab)
2. Python中numpy包安装： 

(53条消息) Numpy的简明安装_yyuand的博客-CSDN博客_numpy安装

     3. 使用numpy：

import numpy as np

---

 Numpy is the core library for scientific computing in Python. It provides a high-performance multidimensional array object, and tools for working with these arrays.

• numpy是Python中科学计算的核心库，在多维数组的操作和计算中有十分出色的表现 

 Arrays

 A numpy array is a grid of values, all of the same type, and is indexed by a tuple of nonnegative integers. The number of dimensions is the rank of the array; the shape of an array is a tuple of integers giving the size of the array along each dimension.

• numpy数组是具有相同类型的值的网格，并由非负整数元组进行索引。维数为数组的秩;数组的形状是一个整数元组，表示数组沿每个维度的大小。

shape可以求出数组的行数和列数，即数组的维数，数组里的各元素通过下标加方括号访问 

import numpy as np
#一维数组
a = np.array([1,2,3])
print(type(a),a.shape,a[0],a[1],a[2])
a[0]=5;
print(a)

#二维数组
b=np.array([[1,2,3],[4,5,6]])
print(b)
print(b.shape)
print(b[0,0],b[0,1],b[0,2])

 <class 'numpy.ndarray'> (3,) 1 2 3
[5 2 3]
[[1 2 3]
 [4 5 6]]
(2, 3)
1 2 3

numpy中提供了很多函数来创建新数组

identity matrix 单位矩阵：左对角线都是1，右对角线都是0，使用np.eye(n)创建

import numpy as np

a=np.zeros((2,2)) #创建一个两行两列的数组，元素均为0
print(a)

b=np.ones((1,2)) #创建一个一行两列的数组，元素均为1
print(b)

c=np.full((2,2),7) #创建一个2行2列的值都为7的数组
print(c)

d=np.eye(2) #创建一个2*2的单位矩阵（identity matrix）
print(d)

e=np.random.random((2,2)) #创建一个2*2数组，被随机数填充
print(e)

[[0. 0.]
 [0. 0.]]

[[1. 1.]]

[[7 7]
 [7 7]]

[[1. 0.]
 [0. 1.]]

[[0.8890121  0.55838264]
 [0.51245496 0.56848541]]

Array indexing

切片 

• numpy提供了多种方法去引用数组中的元素，数组也可以被切片，由于是多维数组，因此切片时必须指明数组的维度

import numpy as np

a=np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])
print(a)
#使用切片，行数取前两行，列数取1,2列（从0开始）
b=a[:2,1:3]
print(b)

a: 

[[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]]

b:
[[2 3]
 [6 7]] 

•  对数组的切片进行操作就是对源数组进行操作：

修改了b的值，a的值也相应改变!

import numpy as np

a=np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])
print(a)
#使用切片，行数取前两行，列数取1,2列（从0开始）
b=a[:2,1:3]
print(b)

print(a[0,1])
b[0,0]=77
print(a[0,1])

 

切片行、列 

访问数组中间行数据的两种方法：

•  使用slices混合整数索引将得到一个低秩数组。
• 而只使用slices将得到一个与原始数组相同秩的数组。 

访问行元素： 

import numpy as np

a=np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])
print(a)
print()
row1=a[1,:]
row2=a[1:2,:]
row3=a[[1],:]
print(row1,row1.shape)
print(row2,row2.shape)
print(row3,row3.shape)

[[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]]

[5 6 7 8] (4,)
[[5 6 7 8]] (1, 4)
[[5 6 7 8]] (1, 4)

访问列元素： 

import numpy as np

a=np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])
print(a)
print()
col1=a[:,1]
col2=a[:,1:2]
print(col1,col1.shape)
print()
print(col2,col2.shape)

 [[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]]

[ 2  6 10] (3,)

[[ 2]
 [ 6]
 [10]] (3, 1)

 

整数索引

Integer array indexing: When you index into numpy arrays using slicing, the resulting array view will always be a subarray of the original array. In contrast, integer array indexing allows you to construct arbitrary arrays using the data from another array.

• 整数数组索引:当使用切片对numpy数组进行索引时，得到的数组视图将始终是原始数组的一个子数组。相反，整数数组索引允许使用来自另一个数组的数据构造任意数组。 

import numpy as np

a=np.array([[1,2],[3,4],[5,6]])
print(a[[0,1,2],[0,1,0]])
a1=np.array([a[0,0],a[1,1],a[2,0]])
print(a1)
print(a1.shape)
print()
print(a[[0,0],[1,1]])
print(np.array([a[0,1],a[0,1]]))

[1 4 5]
[1 4 5]
(3,)

[2 2]
[2 2]

 

Datatypes

Array math

Broadcasting

Matplotlib