CV&NLP基础1之Numpy学习

Numpy数组处理库

导入numpy库并取别名为np

import numpy as np

查看numpy库里提供了哪些东西

dir(np)或help(np)

补充说明jupyer的一个功能

将光标放在函数上，按shift+tab可以调出函数说明:

使用numpy的随机函数随机产生数组

numpy.random.rand()

numpy.random.rand(d0,d1,…,dn)

• rand函数根据给定维度生成[0,1)之间的数据，包含0，不包含1
• dn表示维度
• 返回值为指定维度的array

例:

numpy.random.randn() —— 重要

numpy.random.randn(d0,d1,…,dn)

• randn函数返回一个或一组样本，具有标准正态分布。

• dn表示维度

• 返回值为指定维度的array

• 通过.shape可以查看生成的数组的构造

• 通过.ndim查看数组的维度(也可以理解为“轴”的个数)

• 通过.size查看数组包含的元素个数
  

• .argmax: 返回指定轴的最大值的索引(下标)。二维数组中，参数“0”代表列，参数“1”代表行
  
  解释一下为什么使用.argmax(axis=0)后，输出array([1, 1, 0]) ?
  .argmax返回指定轴的最大值的索引(下标)。二维数组中，参数“0”代表列，参数“1”代表行。
  使用.argmax(0)取出列的最大值的索引:
  生成的三行三列数组arr3的第一列是:0.78650488,1.30572907,-0.49828544,其中1.30572907最大,它的索引为1。
  生成的三行三列数组arr3的第二列是:0.38190384,1.60970205,-2.00096618,其中1.60970205最大,它的索引为1。
  生成的三行三列数组arr3的第三列是:1.145984,-0.2094228,-0.85838297,其中1.145984最大,它的索引为0。

同理，使用.argmax(axis=1)取出行的最大值的索引:

numpy.random.randint()

numpy.random.randint(low, high=None, size=None, dtype=numpy.int32)

• 返回随机整数，范围区间为[low,high），包含low，不包含high
• 参数：low为最小值，high为最大值，size为数组维度大小，dtype为数据类型，默认的数据类型是np.int
• high没有填写时，默认生成随机数的范围是[0，low)

生成[0,1)之间的浮点数

• numpy.random.random_sample(size=None)
• numpy.random.random(size=None)
• numpy.random.ranf(size=None)
• numpy.random.sample(size=None)

numpy.random.choice()

numpy.random.choice(a, size=None, replace=True, p=None)

• 从给定的一维数组中生成随机数
• 参数: a为一维数组类似数据或整数；size为数组维度；p为数组中的数据出现的概率
• a为整数时，对应的一维数组为np.arange(a)
  
• 参数p的长度与参数a的长度需要一致；
• 参数p为概率，p里的数据之和应为1
  

numpy.random.seed()

• np.random.seed()的作用：使得随机数据可预测。
• 当我们设置相同的seed，每次生成的随机数相同。如果不设置seed，则每次会生成不同的随机数
  

numpy.zeros()

用于生成全0数组，可以用dtype形参指定变量类型

例: 生成三行四列的全零数组，且类型为float32

数组相乘numpy.dot()

numpy.arange() —— 重要

numpy 库中的使用 arange 函数创建数值范围并返回 ndarray(n-dimensional array，n维数组的意思) 对象，函数格式如下：

numpy.arange(start, stop, step, dtype)

根据 start 与 stop 指定的范围以及 step 设定的步长，生成一个 ndarray。

数组的广播

将一个数组乘10，会将里面所有数乘10

数组加一个数字，每个元素都会加上这个数字

若arr2是4行6列的数组，arr3是1行6列的矩阵，用arr2 + arr3 是arr2的每行加上arr3对应元素

数组类型的特点

• 有自己的shape(形状)
• 有数据类型(dtype), 如:dtype=numpy.int32; dtype=numpy.float32
• 可以修改数组中元素的值

修改数组形状numpy.reshape() —— 非常重要

1. 预备工作，先生成一个数组对象:

arr5 = np.arange(0, 24, dtype=np.int32)
arr5

2. 将数组转换成三行八列的数组:

arr5.reshape(3, 8)

3. 将数组转换成四行六列的数组:

arr5.reshape(4, 6)

4. 通过索引找到修改过shape的数组的第一个元素(注意与列表索引的区别，数组索引稍微简便，少了些括号):
   

5. 补充列表中的索引元素:
   

6. 修改数组中的元素:
   
   注意，使用reshape函数时，不会创建副本。例如，这里修改了arr6的元素，但是也修改了arr5的元素，arr5和arr6指向同一个元素，没有创建副本，如下图:

7. 使用copy函数，创建副本

arr6 = arr5.copy()

使用函数list()强制将数组转换为列表

使用函数list()强制将三行四列数组转换为列表，其中的每个元素仍是数组类型：

使用.ndim查看数组的维度

也可以理解成数组的轴的个数。
例: arr6为三行四列的数组

使用.size查看数组里面元素个数

类型转换(重点)

使用numpy.array()将列表转换为数组

注意看注释，涉及type()函数、dtype属性的使用

numpy.astype()

通过查看函数说明，可知astype()可以创建原数组的副本，并改变数组中元素的类型

例:

使用astype()函数后，通过arr8中的元素查看是否是arr7的副本:

数组切片

数组切片是原始数据的视图，也就是不会创造副本。注意这与列表切片的区别。

高维数组切片:
例1:

例2: