Numpy详解-轴的概念

描述

首先就是大肠包小肠,这就是轴的概念,除了这个还真的没有什么别的想法。

最近用numpy,越用这个东西越发现一些基础概念不明朗,这里简单的记录一下。

元素

先生成一个三维的数组

元素

打印出来的样子

元素

从内最小的开始看起,分别是元素,2,3,4

以小[]来界定

元素

也就是说,首先是一个特别大的整体,一个数组,接着是里面4个小数组,每一个小数组里面有3个小数组,小数组内的单元是一个数对来构成的。

其实这就是轴的概念,只是因为是扁平化的,不直观。

axis=2

axis =1

axis=0

元素

按照顺序来填充

元素

按照数组0轴来相加

元素

就是加的这个位置的元素

 

[[0+ 6+12+18=36 1+ 7+13+19=40] [2+ 8+14+20=44 3+ 9+15+21=48] [4+10+16+22=52 5+11+17+23=56]]

 

元素

再看一个

元素

就是这样吧

 

[[ 0+ 1=1 2+ 3=5 4+ 5=9] [ 6+ 7=13 8+ 9=17 10+11=21] [12+13=25 14+15=29 16+17=33] [18+19=37 20+21=41 22+23=45]]

 

元素

这个就没有什么好说的了吧

元素

其中第一轴是最大的称为0号,

其次开始从左到右依次的放置

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:

1.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)。

2.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。

3.ndarray.size:数组元素的总个数,等于shape属性中元组元素的乘积。

4.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。

5.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)。

6.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。

其实进一步的,是阐述了一种方向的问题:在二维数组中axis=0是按列的,axis=1意味着按行。

元素

这个图太漂亮了

事实上,到这里的时候还是没有说明白主要的轴到底是怎么出来的,那继续。

元素

轴是行列的方向

如果是多维的数组,那axis=0就是向下的轴,axis=1是往右延的轴。

这些东西影响着你未来作用到上面的函数,该算哪些东西。而且进行计算的时候是会进行折叠,就是从这些指定的位置采用运算规律。

元素

就是这样的,加到一起,2就变成了1

元素

axis=0的拼接方式

元素

axis=1,横向拼接

结论:将NumPy轴视为我们可以执行操作的方向。

接下来再补充一些,别的理解,尽量我们一篇文章解决这个问题。

元素

这个也是

元素

这个图是让我喜欢的不行,它清楚的展示了这个数组轴的包含关系

元素

数组之间的算数关系

元素

运算紧凑,使用了非动态的特性

元素

使用Python的列表语法可以轻松的创建一个数组,要确保元素都一致

元素

由于数组的原因,没有了动态添加元素的特性,所以只能提前的把位置留好。

元素

再有了变量的情况先,可以使用like函数生成一个相似的数组

元素

提供了完整的生成函数

元素

可以使用单调序列初始化数组

元素

arange对浮点不太友好

元素

随机数组也可以生成,这个太常见了

生成完成了,下一个阶段就是取数了;

元素

就像这样,通过索引来切割

元素

布尔和掩码真的是太好用了!!!!

元素

还有专有的函数,大规模的进行取数操作

元素

向量化操作无疑是最引人注目的东西

元素

浮点也OJBK

元素

常见函数不在话下,矢量化的意义在于可以同时操作海量数据,具有天然的并行化。

元素

这是内积和叉积

元素

三角函数不能少

元素

四舍五入的操作也有

元素

关于统计的功能也有

元素

矩阵的初始化,注意参数的位置,先行,后列

元素

随机矩阵也是经常要用的

元素

索引语法要好好的看,注意是从0开始,记得+1

元素

上面放过这个图,但是为了完整性,这里再放一次

元素

@计算矩阵的乘积

元素

广播机制,这个怎么说呢。就是运算我们一般是规模相同的进行计算,不相同的时候需要变的相同。其实就是一套规则。

元素

先简单点,规模一样

元素

这个就不一样了

元素

这就是广播,先是维数的调整,两个维数一致,接着调整内部的参数

元素

你看这个,9x9与后面这样的东西运算,不就是要使用广播吗?

元素

转置

元素

数组重构

元素

互相之间的转换图,这个要记住

元素

拼接操作,我也写过

元素

也是拼接

元素

拆分

元素

tile复杂黏贴,repeat是分页打印

元素

这个是可以删除对应的行列,这不就是白给

元素

插入操作

元素

边界添加常数,就好像镶边一样

下面的内容有趣:

元素

创建这样的东西,C和Python的做法是这样的

元素

matlab这样做,相对于先生成两个行向量,接着开始广播,运算

元素

这个地方是numpy的做法,效率更高。上面是生成网格的算法

元素

numpy的排序算法有点问题,这里就不讨论了,因为我也没有搞明白

元素

返回索引,其实就是坐标,有时位置是很重要的

元素

all和any就是有没有的问题

元素

三维的接下来会说

元素

至于形状怎么样,会看你的约定。

接下来再加点东西,也不知道有没有人能看到这里。

元素

上面频繁的说了拼接的事情,这里带你看看有什么参数

元素

这个图没什么用,我就是觉得好看

审核编辑 :李倩

 

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分