# Python之Numpy初识

Numpy相比TensorFlow的环境搭建要容易多了，校验的方式也很简单，import即可。

>>> import numpy

>>> numpy.version.full_version

'1.13.3'

>>>

>>> import numpy as np

>>> np.version.full_version

'1.13.3'

>>> a = np.arange(10)

>>> print a

[0 1 2 3 4 5 6 7 8 9]

>>> type(a)

<type 'numpy.ndarray'>

>>> a = a.reshape(2,5)

>>> print a

[[0 1 2 3 4]

[5 6 7 8 9]]

>>> a = np.arange(20)

>>> a = a.reshape(4,5)

>>> print a

[[ 0 1 2 3 4]

[ 5 6 7 8 9]

[10 11 12 13 14]

[15 16 17 18 19]]

>>> a = a.reshape(2,2,5)

>>> print a

[[[ 0 1 2 3 4]

[ 5 6 7 8 9]]

[[10 11 12 13 14]

[15 16 17 18 19]]]

>>>

>>> a = a.reshape(2,2,6)

Traceback (most recent call last):

File "<stdin>", line 1, in <module>

ValueError: cannot reshape array of size 20 into shape (2,2,6)

>>>

>>> a.ndim

3

>>> a.shape

(2L, 2L, 5L)

>>> a.size

20

>>> raw = [0,1,2,3,4]

>>> a = np.array(raw)

>>> a

array([0, 1, 2, 3, 4])

>>> print a

[0 1 2 3 4]

>>> raw = [[0,1,2,3,4],[5,6,7,8,9]]

>>> b = np.array(raw）

>>> b

array([[0, 1, 2, 3, 4],

[5, 6, 7, 8, 9]])

>>>

>>> d = (4,5)

>>> np.zeros(d)

array([[ 0., 0., 0., 0., 0.],

[ 0., 0., 0., 0., 0.],

[ 0., 0., 0., 0., 0.],

[ 0., 0., 0., 0., 0.]])

>>> np.ones(d,dtype=int)

array([[1, 1, 1, 1, 1],

[1, 1, 1, 1, 1],

[1, 1, 1, 1, 1],

[1, 1, 1, 1, 1]])

>>> np.random.rand(5)

array([ 0.61643689, 0.15915655, 0.20558268, 0.75157157, 0.50395262])

>>> a = np.array([[1,2],[2,5]])

>>> print a

[[1 2]

[2 5]]

>>> b = np.array([[2,3],[5,8]])

>>> print a+b

[[ 3 5]

[ 7 13]]

>>> a = np.arange(20).reshape(4,5)

>>> print a

[[ 0 1 2 3 4]

[ 5 6 7 8 9]

[10 11 12 13 14]

[15 16 17 18 19]]

>>> print str(a.sum())

190

>>> print str(a.max())

19

>>> print str(a.min())

0

>>> print str(a.max(axis=1))

[ 4 9 14 19]

>>>

>>> b = np.arange(2,45,3).reshape(5,3)

>>> b = np.mat(b)

>>> print b

[[ 2 5 8]

[11 14 17]

[20 23 26]

[29 32 35]

[38 41 44]]

>>> np.linspace(0,2,5)

array([ 0. , 0.5, 1. , 1.5, 2. ])

>>> np.linspace(0,2,9)

array([ 0. , 0.25, 0.5 , 0.75, 1. , 1.25, 1.5 , 1.75, 2. ])

>>>

>>> a = np.array([[3,2],[5,9]])

>>> print a[0][1]

2

>>> print a[1][0]

5

>>> print a[1,0]

5

>>> b = a

>>> a[0][1]=100

>>> print a

[[ 3 100]

[ 5 9]]

>>> print b

[[ 3 100]

[ 5 9]]

>>> a = np.array([[3,2],[5,9]])

>>> b = a.copy()

>>> a[0][1] = 100

>>> print a

[[ 3 100]

[ 5 9]]

>>> print b

[[3 2]

[5 9]]

>>> a = np.arange(20).reshape(4,5)

>>> print a

[[ 0 1 2 3 4]

[ 5 6 7 8 9]

[10 11 12 13 14]

[15 16 17 18 19]]

>>> print a[:,[1,3]]

[[ 1 3]

[ 6 8]

[11 13]

[16 18]]

>>> a = np.array((1,2,3))

>>> b = np.array((2,3,4))

>>> print np.column_stack((a,b))

[[1 2]

[2 3]

[3 4]]

0 条评论

• ### 从sysbench中学习Lua

我做事喜欢结果导向，喜欢快速迭代，能10分钟搞定，绝对不愿意花15分钟。但是技术行当，还是得耐得住寂寞，因为很多事情10分钟搞不定，可能100分钟，100...

• ### 运维平台的建设思考-元数据管理(r7笔记第57天)

之前也写过一篇比较基本的文章，也算是自己对运维平台的一个基本思考。运维平台的建设思考(r6笔记第20天) 当然想法简单，而且缺乏实践，但是朝着这个方向迈进是没有...

• ### 数据库静默安装总结(r3笔记第58天)

在学习数据库的时候，不知道dbca的命令用了多少遍，但是越是安装也是觉得自己会的越少，因为图形界面的清晰直白反而不知道哪些准备工作是需要特别准备的，如果在远程支...

• ### NumPy 官方快速入门教程(翻译)

1、本文是NumPy官方网站(http://www.numpy.org/)的快速入门教程（Quickstart tutorial）的完整翻译版本，原文地址是ht...

• ### Numpy中的通用函数

NumPy数组的计算：通用函数缓慢的循环通用函数介绍探索Numpy的通用函数高级通用函数的特性聚合：最小值、 最大值和其他值数组值求和最大值和最小值其他聚合函数

• ### NumPy Beginner's Guide 2e 带注释源码 三、熟悉 NumPy 常用函数

离散卷积其实就是系数数组的多项式乘法。例如计算[1, 2, 0, 3]和[1, -2, 5]的卷积：

• ### 听说你会玩 Python 系列 2 - 99% 人会做错的题

题目：在不运行下面代码（Python 3 不是 Python 2）的情况下选择答案。

• ### Python入门学习（一）

看完了莫烦Python的视频，对于Python有了一点感觉，接下来打算把小甲鱼的视频啃完，附上学习网址：http://blog.fishc.com/catego...

• ### Number对象

之前也介绍过Number的简单用法，现在介绍一些Number的一些其他用法和一些相关函数。

• ### 灵魂拷问：Java的可变参数究竟是怎么一回事？

在逛 programcreek 的时候，我发现了一些专注基础但不容忽视的主题。比如说：Java 的可变参数究竟是怎么一回事？像这类灵魂拷问的主题，非常值得深入地...