Ø一个知识点,一个案例,一段代码,理论与实践结合
Ø通俗简单易懂,每个案例代码都非常简短.
Ø代码注解非常清楚
Ø系统化学习,包括编程,数学,numpy,tensorflow,matplotlib
让大家更快,更好的掌握人工智能
花两小时改变自己的命运
Numpy
高性能科学和数据分析的基础包
其主要功能如下:
1、ndarray,一个具有矢量运算和复杂广播能力的快速且节省空间的多维数组
2、用于对数组数据进行快速运算的标准数学函数(无需编写循环)
3、线性代数、随机数生成以及傅里叶变换功能
1.1.1.NumPy数组属性
在详细介绍NumPy数组之前。先详细介绍下NumPy数组的基本属性。NumPy数组的维数称为秩(rank),一维数组的秩为1,二维数组的秩为2,以此类推。在NumPy中,每一个线性的数组称为是一个轴(axes),秩其实是描述轴的数量。比如说,二维数组相当于是两个一维数组,其中第一个一维数组中每个元素又是一个一维数组。所以一维数组就是NumPy中的轴(axes),第一个轴相当于是底层数组,第二个轴是底层数组里的数组。而轴的数量——秩,就是数组的维数。
NumPy的数组中比较重要ndarray对象属性有:
·ndarray.ndim:数组的维数(即数组轴的个数),等于秩。最常见的为二维数组(矩阵)。
·ndarray.shape:数组的维度。为一个表示数组在每个维度上大小的整数元组。例如二维数组中,表示数组的“行数”和“列数”。ndarray.shape返回一个元组,这个元组的长度就是维度的数目,即ndim属性。
·ndarray.size:数组元素的总个数,等于shape属性中元组元素的乘积。
·ndarray.dtype:表示数组中元素类型的对象,可使用标准的Python类型创建或指定dtype。另外也可使用前一篇文章中介绍的NumPy提供的数据类型。
·ndarray.itemsize:数组中每个元素的字节大小。例如,一个元素类型为float64的数组itemsiz属性值为8(float64占用64个bits,每个字节长度为8,所以64/8,占用8个字节),又如,一个元素类型为complex32的数组item属性为4(32/8)。
·ndarray.data:包含实际数组元素的缓冲区,由于一般通过数组的索引获取元素,所以通常不需要使用这个属性。
1.1.2.数据创建函数
1.1.3.array
先来介绍创建数组。创建数组的方法有很多。如可以使用array函数从常规的Python列表和元组创造数组。所创建的数组类型由原序列中的元素类型推导而来。
importnumpyasnp
array = np.array([[2,10],
[3,4]])
print("维数ndim:",array.ndim)
print("维度array.shape:",array.shape)
print("数组元素的总个数:array.size",array.size)
print("数据类型dtype:",array.dtype)
print("总和sum:",array.sum())
print("横轴的和sum:",array.sum(axis=1))
print("标准差array.std:",array.std())
print("重新调整维度array.std:",array.reshape([1,4]))
print("返回指定轴最小元素的索引array.argmin:",array.argmin())
print("返回指定轴的最小值array.argmin:",array.argmin())
print("返回指定轴的最大元素索引值array.argmax:",array.argmax())
print("返回对角线的所有元素array.argmax:",array.diagonal())
print("正态分布array.std:",np.random.normal(1.0,5.0,8))
输出结果:
维数ndim: 2
维度array.shape: (2, 2)
数组元素的总个数:array.size 4
数据类型dtype: int32
总和sum: 19
横轴的和sum: [12 7]
平均值: 4.75
重新调整维度array.std: [[ 2 10 3 4]]
返回指定轴最小元素的索引array.argmin: 0
返回指定轴的最小值array.argmin: 0
返回指定轴的最大元素索引值array.argmax: 1
返回对角线的所有元素array.argmax: [2 4]
初始化为零:np.zeros [[0. 0.]
[0. 0.]
[0. 0.]
[0. 0.]
[0. 0.]
[0. 0.]
[0. 0.]
[0. 0.]
[0. 0.]]
领取专属 10元无门槛券
私享最新 技术干货