python123 numpy篇（神经网络基础）

第十四章

14.0- - - 14.11（神经网络基础待编辑）

14.16 编写一个 NumPy 程序，根据查询数组array1和array2之间的公有值，并打印结果。

np.intersect1d(array1, array2))

14.17 numpy找到数组的唯一元素

#np.unique可以很容易地找到数组中唯一的元素。
a = np.array([11, 11, 12, 13, 14, 15, 16, 17, 12, 13, 11, 14, 18, 19, 20])
unique_values = np.unique(a)
print(unique_values)
#解：
[11 12 13 14 15 16 17 18 19 20]
要获取NumPy数组中唯一值的索引（数组中唯一值的第一个索引位置的数组），只需在np.unique()中传递return_index参数:
np.unique(a, return_index=True)

14.18 numpy保存数组到csv

#使用np.savetxt()存数据到本地，使用np.loadtxt()从本地文件读取。
#其中np.savetxt()和np.loadtxt()函数可配置的参数如下：

numpy.savetxt(fname, X, fmt='%.18e', delimiter=' ', newline='\n',   header='', footer='', comments='# ', encoding=None)
numpy.loadtxt(fname, dtype=<type 'float'>, comments='#', delimiter=None,   converters=None, skiprows=0, usecols=None, unpack=False, ndmin=0)

#文件中的数据小数点后保留太多位，使得数据看起来很凌乱，可以使用格式控制参数‘fmt’进行控制，比如小数点后保留3位。
np.savetxt(r'test.txt', x, fmt='%.3e')
#数据后面还跟着‘e+00’字符，可将此字符串去掉，以浮点数存储，fmt=’%.3f’；也可以整数格式存储，fmt=’%d’。
np.savetxt(r'test.txt', x, fmt='%.3f')  # 保留3位小数
np.savetxt(r'test.txt', x, fmt='%d')  # 整数

#delimiter参数：每列数据之间的分割符号，默认为空格
#可以使用任何字符，例如使用竖线 ‘|’ 分割，百分号 ‘%’ 分割，任意字符串‘abc’分割。
np.savetxt(r'test.txt', x, fmt='%d', delimiter='|')
np.savetxt(r'test.txt', x, fmt='%d', delimiter='%%')
np.savetxt(r'test.txt', x, fmt='%d', delimiter='abc')

#newline参数：每行数据之间的分割符，默认换行
#随便使用一个字符串‘-|-’作为行分割符，其中列数据之间使用默认的空格作为分割符。
np.savetxt(r'test.txt', x, fmt='%d', newline='-|-')
#header和footer参数：在文件头和文件尾增加的说明语句
np.savetxt(r'test.txt', x, fmt='%d', header='this is begin of arrry data!', footer='this is end of arrry data!')

14.19 numpy查看数组内存大小

print(f"{n.size * n.itemsize} bytes")

14.19 numpy加新维度

np.newaxis 的功能是增加新的维度，但是要注意 np.newaxis 放的位置不同，产生的矩阵形状也不同。
np.newaxis 放在哪个位置，就会给哪个位置增加维度
用途：通常用它将一维的数据转换成一个矩阵，这样就可以与其他矩阵进行相乘。

#修改给定数组arr的形状为(28,28)，并增加一个维度(1,28,28)。
import numpy as np

arr = np.arange(784)
print(arr.shape)
arr = arr.reshape((28, 28))
print(arr.shape)
arr = arr[np.newaxis, :, :]
print(arr.shape)