python學習之numpy（學的Python）

本文目錄一覽：

1、（Python）numpy 常用操作
2、Python基礎 numpy中的常見函數有哪些
3、問一下Python里的numpy的正確讀法是什麼?
4、python numpy是什麼庫

（Python）numpy 常用操作

不放回取樣：

從列表ori中不放回地取n個數

通過這種操作，我們可以獲得一個二維列表的子集：

（如果這個二維列表是圖的鄰接矩陣，那麼就是對圖進行隨機採樣，獲得一個圖的子圖）

首先要注意，”+” 操作對於list和numpy.array是完全不同的

python 中的list，”+”代表拼接:

在numpy.array中，”+”代表矩陣相加

keepdim指的是維度不變，常在sum中使用。如：

會發現，keepdim之後還是二維的

這裡要注意，pytorch和numpy里max()函數的返回值是不同的

pytorch:

也就是說，max(1)代表求第一維的最大值，對於二維數組來說，就是求縱向的最大值，然後，第一個返回值是最大值所形成數組，第二個返回值是最大值所在的索引。這一個技巧在機器學習的分類任務中很常用，比如我們的分類任務是把數據分成m類，那麼最終我們模型的輸出是m維的，對於n個樣本就是n*m，如果要判斷我們的模型最終的分類結果，就是找n個樣本里，每個樣本m維輸出的最大值索引，代表樣本是這個類的可能性最大。我們可以方便地用這種方式找到最大值地索引：

其中test_out是模型輸出，predict_y則是分類結果

另外一點要注意的是，numpy與pytorch不同，numpy的max()只有一個返回值：

也就是說，numpy.max()不會返回最大值所在的索引

Python基礎 numpy中的常見函數有哪些

有些Python小白對numpy中的常見函數不太了解，今天小編就整理出來分享給大家。

Numpy是Python的一個科學計算的庫，提供了矩陣運算的功能，其一般與Scipy、matplotlib一起使用。其實，list已經提供了類似於矩陣的表示形式，不過numpy為我們提供了更多的函數。

數組常用函數

1.where()按條件返回數組的索引值

2.take(a,index)從數組a中按照索引index取值

3.linspace(a,b,N)返回一個在(a,b)範圍內均勻分布的數組，元素個數為N個

4.a.fill()將數組的所有元素以指定的值填充

5.diff(a)返回數組a相鄰元素的差值構成的數組

6.sign(a)返回數組a的每個元素的正負符號

7.piecewise(a,[condlist],[funclist])數組a根據布爾型條件condlist返回對應元素結果

8.a.argmax(),a.argmin()返回a最大、最小元素的索引

改變數組維度

a.ravel(),a.flatten():將數組a展平成一維數組

a.shape=(m,n),a.reshape(m,n):將數組a轉換成m*n維數組

a.transpose,a.T轉置數組a

數組組合

1.hstack((a,b)),concatenate((a,b),axis=1)將數組a,b沿水平方向組合

2.vstack((a,b)),concatenate((a,b),axis=0)將數組a,b沿豎直方向組合

3.row_stack((a,b))將數組a,b按行方向組合

4.column_stack((a,b))將數組a,b按列方向組合

數組分割

1.split(a,n,axis=0),vsplit(a,n)將數組a沿垂直方向分割成n個數組

2.split(a,n,axis=1),hsplit(a,n)將數組a沿水平方向分割成n個數組

數組修剪和壓縮

1.a.clip(m,n)設置數組a的範圍為(m,n),數組中大於n的元素設定為n,小於m的元素設定為m

2.a.compress()返回根據給定條件篩選後的數組

數組屬性

1.a.dtype數組a的數據類型

2.a.shape數組a的維度

3.a.ndim數組a的維數

4.a.size數組a所含元素的總個數

5.a.itemsize數組a的元素在內存中所佔的字節數

6.a.nbytes整個數組a所佔的內存空間7.a.astype(int)轉換a數組的類型為int型

數組計算

1.average(a,weights=v)對數組a以權重v進行加權平均

2.mean(a),max(a),min(a),middle(a),var(a),std(a)數組a的均值、最大值、最小值、中位數、方差、標準差

3.a.prod()數組a的所有元素的乘積

4.a.cumprod()數組a的元素的累積乘積

5.cov(a,b),corrcoef(a,b)數組a和b的協方差、相關係數

6.a.diagonal()查看矩陣a對角線上的元素7.a.trace()計算矩陣a的跡，即對角線元素之和

以上就是numpy中的常見函數。更多Python學習推薦:PyThon學習網教學中心。

問一下Python里的numpy的正確讀法是什麼?

numpy 讀法是:英[‘nʌmpi]，NumPy是Python中科學計算的基礎包。

它是一個Python庫，提供多維數組對象，各種派生對象(如掩碼數組和矩陣)，以及用於數組快速操作的各種例程，包括數學邏輯，形狀操作，I / O離散傅立葉變換，隨機模擬等等。

NumPy包的核心是ndarray對象。這封裝了同構數據類型的n維數組，許多操作在編譯代碼中執行以提高性能。

NumPy數組和標準Python序列之間有幾個重要的區別：

1、NumPy數組在創建時具有固定大小，與Python列表(可以動態增長)不同。更改ndarray的大小將創建一個新數組並刪除原始數組。

2、NumPy數組中的元素都需要具有相同的數據類型，因此在內存中的大小相同。例外：可以有(Python，包括NumPy)對象的數組，從而允許不同大小的元素的數組。

3、NumPy數組有助於對大量數據進行高級數學和其他類型的操作。通常，與使用Python的內置序列相比，這些操作的執行效率更高，代碼更少。

4、越來越多的基於Python的科學和數學軟件包正在使用NumPy數組；雖然這些通常支持Python序列輸入，但它們在處理之前將這些輸入轉換為NumPy數組，並且它們通常輸出NumPy數組。

python numpy是什麼庫

NumPy是Python語言的一個擴充程序庫。支持高級大量的維度數組與矩陣運算，此外也針對數組運算提供大量的數學函數庫。Numpy內部解除了CPython的GIL（全局解釋器鎖），運行效率極好，是大量機器學習框架的基礎庫！