numpy是一个高性能的科学计算和数据分析基础包,在现在的数据分析领域有很多应用
跟着飞桨学习深度学习实战过程中涉及很多numpy的知识,整理学习笔记打卡记录
numpy的使用
1 多维数组
1.1 创建多维数组
常用的创建方法是使用numpy中的array方法
import numpy as np
a=np.array([1,2,3])
在这里首先进行正常的导入包,使用as重命名为np,方便调用
随后使用array方法,传入了一个列表,创建一个一维数组【1,2,3】赋值给变量a
同样的,我们可以改变参数值的列表数量创建高维数组
a=np.array([1,2,3],[4,5,6])
这里默认import语句的作用范围是全文的,所以下文不再重复引用
在这里我们传入两个列表,所以创建了一个两行三列的二维数组。赋值给a
对于全零或者全一等特殊数组,我们可以使用numpy提供的方法直接创建
np.ones([2,3]) #使用ones(维度)方法创建一个两行三列的全1数组,默认浮点数类型
np.zeros([3,4]) #使用zeros(维度)方法创建一个3行4列的全0数组
a=np.empty([2,3]) #使用empty(维度)方法创建一个2行3列的随机值数组
b=np.empty([3,4])
c=np.empty([4,5])
最后三行分别创建了三个二维数组,理论上内部是随机值,但是我们输出之后会发现一个很有趣的现象,数组a全是1.,数组b全是0,只有数组c是随机数,这里就涉及python内存调用的关系,在已经储存了满足维度要求的数组时,就不再产生随机数组,而是直接调用,比如第一行我们创建了维数【2