NumPy

NumPy

建議

• 使用numpy時, 建議採用面向過程的思想, 由於numpy中對象有的, numpy模塊都會提供函數獲取到或者進行操做
• 學會了MATLAB, 在NumPy中能夠找到不少MATLAB的影子

數組操做

數組的拼接與分割

• np.concatenate((arr1, arr2), axis=1) # axis=1表示列優先, axis=0表示行優先, 它的功能和np.hstack和np.vstack同樣
• np.split(arr, 2, axis=1) # axis表示列優先, axis=0表示行優先, 它的功能和np.hsplit和np.vsplit同樣, 返回list, 包含ndarray
• 記憶方法: 列優先則是在水平方向放去拉伸數組, 行優先則是在豎直方向上去拉伸數組

其餘操做

• np.reshape()
• np.shape()
• np.size()
• np.diag()
• np.eye()
• np.zeros()
• np.ones()

有用的

• np.max()
• np.min()
• 以上返回的是指
• np.argmax()
• np.argmin()
• 返回的是對應的值的下標
• np.std()
• np.mean()
• np.var()
• np.cumsum()
• np.cumprod()
• np.sum()

random模塊

• np.random.rand(): 均勻分佈
• np.random.randn(): 高斯分佈
• np.random.uniform(): 生成[0, 1]範圍的均勻分佈
• np.random.normal(): 高斯分佈

矩陣(是ndarray的子類)操做

• 經過字符串的方式模仿MATLAB(可是仍是MATLAB使用起來更加方便)
• mat = np.mat('1 2 3; 4 5 6') <=> np.matrix('1 2 3; 4 5 6', copy=False)
• mat = np.matrix('[1 2 3; 4 5 6]', copy=True) # 建立一個矩陣
• mat = np.bmat('arr1; arr2') # 經過兩個分塊矩陣建立一個新的矩陣, bmat是block matrix

ufunc

• 在numpy中全部的符號運行都是調用了ufunc
  • +, -, *, /, **
• 當兩個矩陣的shape一致時好理解, 可是當shape不同的時候, ufunc會採用廣播機制
  • 如:
    • arr1 = np.mat([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
    • arr2 = np.mat([1, 2, 3])
    • arr1 + arr2 ?
    • ufunc + 會將arr2的數據進行廣播生成一個[[1, 2, 3], [1, 2, 3], [1, 2, 3]]再參與運算

保存讀取數據

• 保存數組(和MATLAB中的save同樣)
  • 二進制保存
    • np.save(filename, arr)
    • np.savez(filename, arr1, arr2, arr3) # 保存多個
  • 文本保存(更加經常使用)
    • np.savetxt(filename, arr, fmt='%d', delimeter=',') # 保存爲csv格式
• 讀取數據
  • 二進制
    • np.load()
  • 文本
    • np.loadtxt()