NumPy部分API使用

在使用TensorFlow框架进行机器学习时，NumPy这个数学工具比Python自带的要好用多了。在学习过程中对某些API有些迷茫，下面对本人使用过程中用的比较频繁的NumPy API进行例举。

安装NumPy

$ pip install numpy

在OS X环境上可能会出现Permission denied，这样需要在前面加上sudo，这样安装不会影响使用。

1. numpy.arange
   numpy.arange([start, ]stop, [step, ]dtype=None)

>>> import numpy as np
>>> np.arange(1,10,2)
array([1, 3, 5, 7, 9])
>>> np.arange(10)
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

2. numpy.reshape(a, newshape, order='C')
   创建一个多维数组

>>> np.arange(12).reshape((4,3))
array([[ 0,  1,  2],
       [ 3,  4,  5],
       [ 6,  7,  8],
       [ 9, 10, 11]])
>>> 

3. numpy.random.shuffle和numpy.random.permutation
   shuffle意思为洗牌，permutation为排列，这两者都可以对数据打散random排序，不同的是shuffle在原来的数组上进行操作，无返回值，permutation是生成一个新的数组，原数组不会改变。

>>> arr = np.arange(11)
>>> arr
array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10])
>>> np.random.shuffle(arr)
>>> arr
array([10,  3,  2,  1,  8,  4,  0,  7,  5,  9,  6])
>>> arr2 = np.random.permutation(arr)
>>> arr
array([10,  3,  2,  1,  8,  4,  0,  7,  5,  9,  6])
>>> arr2
array([ 6,  5,  4,  3,  1,  7,  8,  2,  9,  0, 10])

4. 切片的使用
   （1）[:]
   [:]表示复制源列表；
   index为负值表示从后往前，-1表示最后一个。

>>> arr = np.arange(10)
>>> arr1 = arr[:]
>>> arr1
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> arr
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> arr1[-2]
8

（2）arr_name[行操作，列操作]
取行数据[i:j, :]

>>> arr = np.arange(12).reshape((4,3))
>>> arr[1:3,:]
array([[3, 4, 5],
       [6, 7, 8]])
>>> arr[np.arange(2),:]
array([[0, 1, 2],
       [3, 4, 5]])
>>> arr[:3,:]
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])

取列数据[:, i:j]

>>> arr[:,0]    # 以行的形式返回
array([0, 3, 6, 9])
>>> arr[:,:1]    # 以列的形式返回
array([[0],
       [3],
       [6],
       [9]])
>>> arr[:,np.arange(2)]    # 以列的形式返回
array([[ 0,  1],
       [ 3,  4],
       [ 6,  7],
       [ 9, 10]])