Jupyter notebook接力赛（7）Jupyter notebook学习Numpy

opencv键盘侠

Jupyter notebook学习Numpy

Numpy库（以下运行结果均在#注释后）

为pyhton提供了高性能的多维数组对象，以及用于处理这些阵列的工具,

1.1 矩阵（Arrays）

   创建矩阵

1. #创建一个3行1列的矩阵
   
2. a = np.array([1, 2, 3])
   
3. #输出矩阵的维度，结果为（3，）
   
4. print(a.shape)
   
5. #选择矩阵的对应元素，在此处就是第一维度，第二维度，第三维度
   
6. print(a[0], a[1], a[2])
   
7. #创建一个2行3列的矩阵
   
8. b = np.array([[1,2,3],[4,5,6]])
   
9. #输出对应元素
   
10. print(b[0, 0], b[0, 1], b[1, 0])
    
11. #创建一个2*2的0矩阵，即元素全部为0
    
12. a = np.zeros((2,2))
    
13. #创建一个全部元素为1的矩阵
    
14. b = np.ones((1,2))
    
15. #创建一个元素全部为n的2*2矩阵
    
16. c = np.full((2,2), n)
    
17. #创建一个随机矩阵，即其中的元素值全部#为随机数
    
18. e = np.random.random((2,2))

复制代码

1.2 矩阵索引(Array indexing)

Numpy提供了几种索引到数组的方法

1. import numpy
   
2. #获取a矩阵的前两行，1到3列的数据
   
3. a = np.array([[1,2], [3, 4], [5, 6]])
   
4. b = a[:2, 1:3]
   
5. #将0行0列置为77
   
6. b[0, 0] = 77
   
7. #将a的第1行赋给row_r1
   
8. row_r1 = a[1, :]
   
9. #依然是将a的第1行赋给row_r2，但是不同的是，同样是1行但此时row_r2有两个维度
   
10. row_r2 = a[1:2, :]
    
11. print(row_r1, row_r1.shape) # Prints "[5 6 7 8] (4,)"
    
12. print(row_r2, row_r2.shape) # Prints "[[5 6 7 8]] (1, 4)"
    
13. #注意此时a虽然是两行三列的矩阵，但它其实是个3维矩阵，他只是三个维度中的一个
    
14. print(a[0])#Prints "[[1,2], [3, 4], [5, 6]]"
    
15. print(np.array([a[0, 0], a[1, 1], a[2, 0]])) # Prints "[1 4 5]"
    
16. b = np.array([0,1,1])
    
17. print(np.arange(2))
    
18. #将b当做索引，从a中取出对应值
    
19. print(a[np.arange(3), b]) # Prints "[ 1 6 7 11]"Prints[1,4,6]
    

复制代码

一些布尔变量在矩阵中的用法

1. a = np.array([[1,2], [3, 4], [5, 6]])
   
2. bool_idx = (a > 2)
   
3. print(bool_idx) # Prints "[[False False]
   
4. # [ True True]
   
5. # [ True True]]"
   
6. print(a[bool_idx]) # Prints "[3 4 5 6]"

复制代码

1.3矩阵中的数学操作(Array math)

  在矩阵数组中的一些数学操作

1. x = np.array([[1,2],[3,4]])
   
2. y = np.array([[5,6],[7,8]])
   
3. v = np.array([9,10])
   
4. #对应相乘做和，1*9+2*10=29
   
5. print(np.dot(x, v)) #print"[29 67]"
   
6. #对应直接做和，axis=0时代表行，axis=1时对应列
   
7. print(np.sum(x)) #  prints "10"
   
8. print(np.sum(x, axis=0)) #  prints "[4 6]"
   
9. print(np.sum(x, axis=1)) #  prints "[3 7]"
   
10. 
    
11. x = np.array([[1,2,3], [4,5,6], [7,8,9], [10, 11, 12]])
    
12. v = np.array([1, 0, 1])
    
13. y = np.empty_like(x) # 生成一个维度完全和矩阵x相同的空矩阵
    
14. for i in range(4):
    
15. y[i, :] = x[i, :] + v
    

复制代码

1. #下面这些算法都是按照对应维度去进行计算的，因此要求必须两个运算矩阵的维度必须完全相同I
   
2. mport numpy as np
   
3. x = np.array([[1,2],[3,4]], dtype=np.float64)
   
4. y = np.array([[5,6],[7,8]], dtype=np.float64)
   
5. #加法
   
6. print(x + y)
   
7. print(np.add(x, y))
   
8. #减法
   
9. print(x - y)
   
10. print(np.subtract(x, y))
    
11. #乘法
    
12. print(x * y)
    
13. #除法
    
14. print(np.multiply(x, y))
    
15. print(x / y)
    
16. print(np.divide(x, y))
    
17. #开方
    
18. print(np.sqrt(x))

复制代码

1.4 重构矩阵（reshape）

改变矩阵的维度

1. v = np.array([1,2,3]) # v has shape (3,)
   
2. w = np.array([4,5]) # w has shape (2,)
   
3. #将v矩阵重置为3行1列的矩阵（）原本为1行3列）然后与w矩阵相乘
   
4. print(np.reshape(v, (3, 1)) * w)

复制代码

2919005896

numpy中的矩阵操作挺全的，但是缺少一些如统计函数和三角函数这一块的东西

HelloWorld

对于机器学习来说numpy是基础中的基础哦

神龙教

感谢大佬的教程