今天还接着和大家分享python快速入门的一些练习。接着上次提到的四个container接着说，在讲numpy 之前，我们简单了解一下函数function和类class的使用。由于科学计算或者AI应用中，遇到类的使用不多，我们简单看一下使用方式，更多信息参考提供的链接。以下分析和练习部分参考python官网，scipy 官网，斯坦福大学python入门讲解。
函数方面，定义的时候，def 关键字打头，因为python变量不用声明类型，自然也跟C语言不同，没有返回类型。然后是函数名和参数，同样，也不需要声明参数类型，然后冒号即可，后面加函数主体。
函数调用的时候，使用函数名和参数调用即可。
更多关于函数的介绍，参考这个了：https://docs.python.org/3.7/tutorial/controlflow.html#defining-functions
类的介绍，就非常简单了。关键字class打头，类名，括号里关键字object，里面包含两个函数，一个initial函数，注意前后是两个下划线，传入两个参数。后面可以自己创造多个函数。具体的更多的知识可以参考官网：https://docs.python.org/3.7/tutorial/classes.html
下面就来一起看一下numpy的常用操作，由于包含的内容很多，numpy我们分两次练习学习。
最基本的：
import numpy as np #引入numpy
然后：
a = np.array([2, 4, 6])
# 创造一个一维的向量,注意格式，是array,不是arrays，然后用小括号括起来，里面的数组用中括号
值得注意的是有时候矩阵或者数组的操作报错，可能是由于矩阵的size不合适或者不匹配，常用的，调用numpy的shape函数查看其大小。注意shape后面没有括号。
其他需要理解的就是和线性代数里面的矩阵结合起来，行列的空间的想象，尤其遇到多维的情况，比如抽取某一维的所有元素，或者某一部分元素，这些都会经常用到，后面slicing部分会看到。
然后，numpy自带了很多生成特殊数组的函数，比如全0，全1，单位矩阵，元素相同的矩阵，随机矩阵等等。其中随机矩阵在某些初始化随机操作中经常会使用到。
c = np.zeros((2,2)) #两行两列全为0
d = np.ones((1,2)) #创造一个一行两列的全是1的数组
生成了矩阵，然后就是如何访问矩阵中的元素，比如根据索引访问某一个元素，或者访问某一维度的所有元素，像二维矩阵的某一行或者某一列，用到类似于list的slicing操作，但list的操作没有numpy.array这么强大。还有比如取出某一些索引项的矩阵的值。
print (a[1,2]) # 第二行三列的元素
b = a[:, 1:3] # 所有行，1：3 意味着第2，3列，更多维的操作与之类似
print (b)
注意等号的赋值操作会对原矩阵产生影响，应当注意。
r3 = np.array([i ** 2 for i in r1])
# list 里面的comprehension也可以在建造np.array的时候使用
前面讲过了如何取出来np.array 的整行或者整列，那么如果想要取出来任意的位置的某些元素怎么办？这就要用到 integer array indexing, 姑且叫做整数索引。来看一下：
然后，更有趣的一种操作，Boolean indexing，布尔索引，设定条件，对于矩阵选择性的选取某些元素。来看一下：
更多内容可以参考官网：https://docs.scipy.org/doc/numpy/user/basics.creation.html#arrays-creation
好，下次接着分析numpy的使用练习。
网友评论