人工智能入门案例-numpy入门案例

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.]]