https://gokwok.github.io/categories/%E7%9F%A5%E8%AF%86%E5%BA%93/ Recent content in 知识库 on Aporia Zone Hugo -- gohugo.io en-us Sun, 21 Jan 2018 18:22:11 +0000 https://gokwok.github.io/2018/numpy%E5%88%9D%E6%AD%A5%E4%BD%BF%E7%94%A8%E6%8C%87%E5%8D%97_ver2/ Sun, 21 Jan 2018 18:22:11 +0000 https://gokwok.github.io/2018/numpy%E5%88%9D%E6%AD%A5%E4%BD%BF%E7%94%A8%E6%8C%87%E5%8D%97_ver2/ 一、概述 Numpy是Python中的一個科學計算庫，提供了矩陣運算的功能，由於numpy提供了更多方便了函數，在實際的使用中numpy要優於python中的list。本文將會著重於機器學習過程中對numpy的使用需要了解的大致操作，來介紹numpy的初步使用指南。 二、安裝和導入 普通的pip操作即可完成安裝(若同時安裝了python2和python3想在python3中安裝請使用pip3)： pip install numpy 導入numpy： import numpy as np 三、數據結構 numpy的主要對象是同種元素的多維數組。這是一個所有的元素都是一種類型、通過一個正整數元組索引的元素表格（通常是數字表格）。在numpy中維度叫做軸（axes），軸的個數叫做秩（rank）。 打個比方，在三維空間中一個點的坐標*[1，2，3]*就是一個秩為1的數組，因為它軸的個數為1，該軸的長度為3。numpy的數組類叫做ndarry，通常被稱作數組，它與標準Python庫類array.array並不相同，後者只處理一維數組和提供少量功能。 ndarry的主要對象屬性有： ndarray.ndim：軼的值 ndarray.shape：數組的維度。這是一個指示數組在每個維度上大小的整數元組。例如一個n排m列的矩陣，他的shape屬性就是（2，3），這個元組的長度是軼，即維度或是ndim屬性 ndarray.size：數組元素的總個數，等於shape屬性中元組元素的乘積 ndarray.dtype：一個用來描述數組中元素類型的對象，可以通過創造或指定dtype使用標準的Python類型，也可以使用numpy自己提供的數據類型 ndarray.itemsize：數組中每個元素的字節大小。例如，一個元素類型為float64的數組itemsiz屬性值為*（64/8=）*8 ndarray.data：包含實際數組元素的緩衝區，通常不使用這個屬性 四、使用numpy 4.1 創建數組 使用array函數從常規的Python列表和元組創造數組。所創建的數組類型由原序列中的元素類型推導而來。 >>> a = array([2,3,4]) #RIGHT >>> a = array(2,3,4) #WRONG 數組將序列包含序列轉化為二維的數組，序列包含序列包含序列轉化成三維數組。 python >>> b = array([(1,2,3,4),(1,2,3,4)]) 數組類型可以在創建的時候指定 >>> c = array([[1,2],[3,4]],dtype=complex) 一般來說，數組的元素開始都是未知的，但是它的大小是已知的。numpy提供了一些使用佔位符創建數組的函數。函數zeros創建一個全是0的數組，函數ones創建一個全1的數組，函數empty創建一個內容隨機並且依賴於內存狀態的數組。默認創建的數組類型（dtype）都是float64. 為了創建一個數列，numpy提供了一個類似arrange的函數返回數組而不是列表： >>> arange(10,30,5) array([10,15,20,25]) 4.