Python Numpy，學Python不得不削的矩形計算庫

矩陣計算庫
numpy庫的使用是sklearn庫和opencv庫的基礎，主要用於矩陣的計算。
Numpy 的主要用途是以數組的形式進行數據操做。機器學習中大多數操做都是數學操做，而 Numpy 使這些操做變得簡單

1.建立Numpy數組對象
Numpy 的數值類型其實是 dtype 對象的實例，並對應惟一的字符。
包括 np.bool_ ，np.int32，np.float32等。

ndarray.ndim 秩，即軸的數量或維度的數量
ndarray.shape 數組的維度，對於矩陣，n行m列
ndarray.size 數組元素的總個數，至關於 .shape 中n*m的值
ndarray.dtype ndarray 對象的元素類型

例：

data = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19] 
a = np.array(data)    #一維數組，20 個數 
a = np.linspace(0,20, 20)    #一維數組，將 0-20 等分爲 20 個數字 
a = np.arange(20)    #簡潔方式
b = a.reshape(4,5) #將一維數組 a 轉換爲維數(4,5)的數組 
c = a.reshape(2,5,2) #將一維數組 a 轉換爲維數(2,5,2)的數組

2.訪問數組
控制遍歷順序

for x in np.nditer(a, order='F'): 列序優先； 
for x in np.nditer(a.T, order='C'): 行序優先；

例：

a = np.arange(24) a = a.reshape(3,8) 
a[2,3]    #提取數組 a 中行 2 列 3 的數值 
a[2,3] = 100 #修改數組 a 行 2 列 3 的數值

a[1:3,3:7] #提取數組 a 中 1~2 行，3~6 列的子數組

**#[[11 12 13 14]** 
**# [20 20 21 22]]** 

a[1:3,3:7] = np.zeros((2,4)) #將數組 a 中 1~2 行，3~6 列 的數值置換爲 0

**#[[ 0  1  2  3  4  5  6  7]** 
**# [ 8  9 10  0  0  0  0 15]** 
**# [16 17 18  0  0  0  0 23]]** 

a[[0,1],[0,2]] = -1 #將數組 a 中(0,0)，(1,2)兩個位置的數值置換爲-1

**#[[-1  1  2  3  4  5  6  7]** 
**# [ 8  9 -1  0  0  0  0 15]** 
**# [16 17 18  0  0  0  0 23]]**

3.對數組進行切片與拼接
Numpy 數組能夠像Python列表同樣被索引，切片和迭代。
也能夠在多維數組上作一樣的操做，只需使用逗號分隔便可。
例：

a = np.arange(24)   
a.reshape(3,8) 
b = np.copy(a)                    
a[0][0] = 100
c = np.hstack((a,b))    #沿 1 維，將 a,b 拼接成一個新數組 
c = np.concatenate ((a,b), axis=1)    #沿 1 維，將 a,b 拼接成一個新數組 
#[[100, 1, 2, 3, 4, 5, 6, 7, 0, 1, 2, 3, 4, 5, 6, 7], 
#[ 8,  9, -1,  0,  0,  0,  0, 15,  8,  9, 10, 11, 12, 13, 14, 15], 
#[16, 17, 18,  0,  0,  0,  0, 23, 16, 17, 18, 19, 20, 21, 22, 23]]

4.對數組元素進行查找
例：

a[1:3,3:7] = np.zeros((2,4))
np.where(a==0)    #得到符合條件的行列位置 
#(array([1, 1, 1, 1, 2, 2, 2, 2]), array([3, 4, 5, 6, 3, 4, 5, 6])) #index b[np.where(a==0)]    #數組 b 在對應符合條件 a 位置上的數值 
#array([11, 12, 13, 14, 19, 20, 21, 22]) #value 
np.where(a == 0, 1, 0) #等於0的位置，輸出 1；不等於0位置，輸出0 
#array([[0, 0, 0, 0, 0, 0, 0, 0], 
**# [0, 0, 0, 1, 1, 1, 1, 0],**
**#[0, 0, 0, 1, 1, 1, 1, 0]])**

5.對數組進行數學計算和代數運算
例：

#[[ 0,  1,  2,  3,  4,  5,  6,  7], 
#[ 8,  9, 10, 11, 12, 13, 14, 15], 
#[16, 17, 18, 19, 20, 21, 22, 23]]
np.sum(b,axis=0)    #列求和 
#array([24, 27, 30, 33, 36, 39, 42, 45]) 
np.sum(b,axis=1)    #行求和 
#array([ 28,    92, 156]) 
np.sum(b)      #求和 
#276

完畢！

技術交流羣：887934385