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。
先生成一个三维的数组
打印出来的样子
从内最小的开始看起,分别是元素,2,3,4
以小[]来界定
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
按照顺序来填充
按照数组0轴来相加
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]]
再看一个
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]]
这个就没有什么好说的了吧
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。
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。
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。
就是这样的,加到一起,2就变成了1
axis=0的拼接方式
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。
这个也是
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
数组之间的算数关系
运算紧凑,使用了非动态的特性
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
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。
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
提供了完整的生成函数
可以使用单调序列初始化数组
arange对浮点不太友好
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;
就像这样,通过索引来切割
布尔和掩码真的是太好用了!!!!
还有专有的函数,大规模的进行取数操作
向量化操作无疑是最引人注目的东西
浮点也OJBK
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。
这是内积和叉积
三角函数不能少
四舍五入的操作也有
关于统计的功能也有
矩阵的初始化,注意参数的位置,先行,后列
随机矩阵也是经常要用的
索引语法要好好的看,注意是从0开始,记得+1
上面放过这个图,但是为了完整性,这里再放一次
@计算矩阵的乘积
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。
先简单点,规模一样
这个就不一样了
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
你看这个,9x9与后面这样的东西运算,不就是要使用广播吗?
转置
数组重构
互相之间的转换图,这个要记住
拼接操作,我也写过
也是拼接
拆分
tile复杂黏贴,repeat是分页打印
这个是可以删除对应的行列,这不就是白给
插入操作
边界添加常数,就好像镶边一样
下面的内容有趣:
创建这样的东西,C和Python的做法是这样的
matlab这样做,相对于先生成两个行向量,接着开始广播,运算
这个地方是numpy的做法,效率更高。上面是生成网格的算法
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
返回索引,其实就是坐标,有时位置是很重要的
all和any就是有没有的问题
三维的接下来会说
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。
上面频繁的说了拼接的事情,这里带你看看有什么参数
这个图没什么用,我就是觉得好看
审核编辑 :李倩
全部0条评论
快来发表一下你的评论吧 !