神经网络与深度学习：NumPy科学计算库

1.多维数组

在机器学习中，需要把输入数据转变为多维数组的形式

数组的形状(Shape)：
描述数组的维度，以及各个维度内部的元素个数。

小结：
形状(Shape)：
是一个元组，描述数组的维度，以及各个维度的长度。
长度(Length)：
某个维度中的元素个数。

2.创建NumPy数组

①提供了多维数组、矩阵的常用操作和一些高效的科学计算函数
②底层运算通过C语言实现，处理速度快、效率高，适用于大规模多维数组
③可以直接完成数组和矩阵运算，无需循环

2.1导入NumPy库

一般建议使用第一种

2.2创建数组

数组的属性

2.3数组元素的数据类型

NumPy要求数组中所有元素的数据类型必须是一致的

2.4创建特殊的数组

arange()函数：创建一个由数字序列构成的数组

ones()函数：创建一个元素全部为1的数组

zeros()函数：创建一个元素全部为0的数组

eye()函数：创建一个单位矩阵

linspace()函数：创建等差数列

logspace()函数：创建一个等比数列

2.5 asarray()函数

将列表或元组转化为数组对象

3.数组运算

3.1数组元素的切片

可以使用切片来访问NumPy数组中的一部分，切片方法和Python序列数据结构的切片一样

一维数组

二维数组

三维数组

3.2改变数组的形状

当改变形状时，应该考虑到数组中元素的个数，确保改变前后，元素总个数相等

3.3数组元素间的运算

轴(axes)：数组中的每一个维度被称为一个轴
秩(rank)：轴的个数

3.4数组堆叠

4.矩阵和随机数

4.1矩阵

numpy.matrix

矩阵对象的属性

矩阵相乘*
矩阵转置 T
矩阵求逆.I

矩阵与二维数组相比，二维数组更加灵活、速度更快

4.2随机数模块

numpy.random

seed()函数：设置随机种子
shuffle()：打乱顺序函数

三级目录