【TensorFlow】Numpy常用函数汇总（附源码）

以下内容是我在学习Numpy时，写的实例，每一个模块都可以运行，并比较不同函数之间的差别。

import numpy as np

#dtype 定义numpy的存储类型（np.int np.float）,默认是64

'''

#定义矩阵格式

'''

[2,34,4]],dtype=np.int32)

b = np.ones((3,4),dtype = np.int32) #d单位矩阵

d = np.empty((3,4)) #定义空矩阵

e = np.arange(10,20,2) #arange(起始值 和 步长)

e1 = np.arange(12).reshape((3,4)) #整形

d = np.linspace(1,10,6).reshape((2,3)) #生成线段，（起始值，段数），自动计算步长

'''

#numpy的基础运算

'''

a = np.array([10,20,30,40])

b = np.arange(4)

c = a-b #加减运算

c = b**2 #平方运算

c = 10 * np.sin(a) #正余弦

print(b < 3) #判断矩阵里的值# < = > 都行

a = np.array([[1,2],

[2,3]]) #矩阵运算

b = np.arange(4).reshape(2,2)

c = a*b #普通乘法

c_dot = np.dot(a,b) #矩阵乘法

c_dot_2 = a.dot(b)

r = np.random.random((2,4)) #随机生成(2,4)序列

np.sum(r，axis = 1) #axis = 1:在每一列中计算，axis = 0 ：在每一行中计算

np.min(r)

np.max(r)

'''

基础运算

'''

A = np.arange(2,14).reshape((3,4))

print(np.argmin(A)) #打印矩阵某个中的索引

print(np.argmax(A))

print(np.mean(A)) #平均值

print(A.mean)

print(np.cumsum(A)) #累加和/差

print(np.diff(A))

print(np.nonzero(A)) #输出行数和列数

print(np.sort(A)) #排序

print(np.transpose(A)) #转置

print(A.T.dot(A)) #转置，常用！！！

print(np.clip(A,5,9)) #截取 5-9 的数

print(np.mean(A,axis = 0)) #对行进行计算

'''

#索引

'''

A = np.arange(3,15).reshape((3,4))

print(A[2][1]) #索引第二行第一列

print(A[2,1])

print(A[2,:]) #第三行的数

print(A[1,1:3]) #第二行的 第2-3列的数

for row in A:

print(row) #迭代每一行

for col in A.T:

print(col) #迭代每一列

print(A.flatten()) #展成一行

for item in A.flat:

print(item) #打印每一项

'''

# numpy array 合并

'''

A = np.array([1,1,1])

B = np.array([2,2,2])

A = A[:,np.newaxis] #纵向加了一个维度

B = B[:,np.newaxis]

C = np.vstack((A,B)) #向下合并维矩阵

D = np.hstack((A,B)) #左右合并

print(A.shape,C.shape,D.shape) #查看

E = np.concatenate((A,B,B,A),axis = 1) #在上下方向合并，对行操作

print(E.shape)

'''

# numpy array 合并

'''

A = np.array([1,1,1])

B = np.array([2,2,2])

A = A[:,np.newaxis] #纵向加了一个维度

B = B[:,np.newaxis]

C = np.vstack((A,B)) #向下合并维矩阵

D = np.hstack((A,B)) #左右合并

print(A.shape,C.shape,D.shape) #查看

E = np.concatenate((A,B,B,A),axis = 1) #在上下方向合并，对行操作

print(E.shape)

'''

#numpy array分割

'''

A = np.arange(12).reshape((3,4))

'''

#np.array_split 不等量分割

'''

print(np.array_split(A,3,axis = 1)) #在纵向分成两列，aixs=1 对列操作

print(np.vsplit(A,3))

print(np.hsplit(A,4))

'''

#numpy - copy & deep copy

'''

a = np.arange(4)

b = a

c = a

d = b

a[0] = 11

print(a,b,c,d) #所有的都改变了

d[1:3] = [22,33]

print(a,b,c,d) #都改变

b = a.copy() #a和b没有关联到一起，只是复制副本

a[3] = 44 #常用这种复制方法

print(a,b)