Python 学习笔记之 Numpy 库——数组基础

1. 初识数组

import numpy as np
a = np.arange(15)
a = a.reshape(3, 5)
print(a.ndim, a.shape, a.dtype)
# 2 (3, 5) int64
print(a.size, a.itemsize) # 15 8

• ndim，数组的维度数，二维数组就是 2
• shape，数组在各个维度上的长度，用元组表示
• dtype，数组中元素的数据类型，比如 int32, float64 等
• size，数组中所有元素的总数
• itemsize，数组中每个元素所占的字节数

2. 创建数组

a = np.array([[1, 2, 3], [4, 5, 6]])
a = np.ones((3, 4))
a = np.zeros((3, 4), dtype=np.int32)
a = np.linspace(0, 2, 9)   
# 9 numbers from 0 to 2

• np.linspace(start, stop, num=50) 产生一个区间在[start, stop]，长度为 num 的一维数组

3. 基本运算

a = np.array([[1, 2, 3], [4, 5, 6]]) 
                       # (2, 3)
b = np.array([[1, 0, 1], [0, 1, 1],
 [1, 1, 0]])           # (3, 3)

c = np.dot(a, b)       # 矩阵相乘
d = a @ b              # 矩阵相乘
e = np.dot(a[0], a[0]) # 向量内积
f = a * a              # 元素相乘

g = np.sum(a)
h = np.mean(a, axis=0)

• np.sum 等函数若不指定 axis，则把数组所有元素当成列表来处理，axis = 0，表示只在第一个维度上进行求和，以此类推。

4. 维度操作

a = np.zeros((2, 3))
b = np.zeros((3, 3))
np.vstack((a, b)).shape  # (5, 3)

• np.vstack， 沿着垂直方向或者行的方向将数组堆起来

a = np.zeros((2, 1, 5))
b = np.zeros((2, 2, 5))
np.hstack((a, b)).shape  # (2, 3, 5)

• np.hstack， 沿着水平方向或者列的方向将数组堆起来

a = np.zeros((2, 5, 1))
b = np.zeros((2, 5, 5))
np.concatenate((a, b), axis=2).shape  
# (2, 5, 6)

• np.concatenate， 沿着某一维度将数组堆起来

a = np.zeros((3, ))
b = np.zeros((3, ))
np.stack((a, b), axis=0).shape #(2, 3)
np.stack((a, b), axis=1).shape #(3, 2)

• np.stack， 将数组沿着新的维度堆起来

5. 随机数

a = np.random.rand(3, 2)  # (3, 2)

• np.random.rand， 返回一个 [0, 1) 之间的随机分布

a = np.random.random((2, 3)) # (2, 3)

• np.random.random， 返回一个 [0, 1) 之间的随机分布

a = np.random.randn(3, 2)  # (3, 2)
a = sigma * np.random.randn(...) + mu 

• np.random.randn， 返回一个均值为 0 方差为 1 的标准正态分布，通过 mu 和 sigma 可以任意改变均值和方差

a = np.random.randint(1, 5, (3, 2))  
# (3, 2)

• np.random.randint(low, high=None, size=None)， 返回一个 [0, low) 或者 [low, high) 之间的随机整数

a = np.arange(5, 10)
np.random.choice(a, 3, replace=False)
np.random.choice(5, (3,2))

• np.random.choice(a, size=None, replace=True, p=None)， 返回 a 中元素或者 np.arange(a) 范围内的随机整数，replace=True 默认可以有重复元素

np.random.seed(1)
a = np.random.rand(3, 2)
np.random.seed(1)
b = np.random.rand(3, 2) # a == b

a = np.array([1, 2, 3, 4, 5])
np.random.shuffle(a) 

• np.random.seed 通过设置随机数种子的值可以保证两次产生的随机数相同
• np.random.shuffle() 沿着第一维随机打乱数组

获取更多精彩，请关注「seniusen」!

seniusen