numpy

• reshape函数：

顾名思义，将原有的数组重新整形，变成参数中指定的形状。

import numpy as np
a = np.arange(1, 20, 2)
print a.reshape(2, 5)
print a.reshape(2, 1, 5)

[[ 1  3  5  7  9]
 [11 13 15 17 19]]

[[[ 1  3  5  7  9]]
 [[11 13 15 17 19]]]

如下代码所示，在reshape成三维数组时，第一个参数m控制将所有数据划分为m部分，第二个参数n控制将每一块数据分别划分为n部分，最后一个参数x，表示每一个小块有x列。

import numpy as np
a = np.arange(1, 21)
print a.reshape(2, 2, 5)

numpy.logspace用法

转载大大kc 最后发布于2017-05-05 12:36:30 阅读数 15602  收藏

展开

现在介绍logspac用于创建等比数列。其实用法差不多，但是有一个特殊的地方需要注意。

● 先来看一个例子，我们让开始点为0，结束点为0，元素个数为10，看看输出结果。为什么是这样子？难道不都是0吗？

>>> a = np.logspace(0,0,10)
>>> a
array([ 1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.])

• 1
• 2
• 3

● 因为logspace中，开始点和结束点是10的幂，0代表10的0次方，9代表10的9次方。我们看下面的例子。

>>> a = np.logspace(0,9,10)
>>> a
array([  1.00000000e+00,   1.00000000e+01,   1.00000000e+02,
         1.00000000e+03,   1.00000000e+04,   1.00000000e+05,
         1.00000000e+06,   1.00000000e+07,   1.00000000e+08,
         1.00000000e+09])

• 1
• 2
• 3
• 4
• 5
• 6

>>> a = np.logspace(0,9,10)
>>> a
array([  1.00000000e+00,   1.00000000e+01,   1.00000000e+02,
         1.00000000e+03,   1.00000000e+04,   1.00000000e+05,
         1.00000000e+06,   1.00000000e+07,   1.00000000e+08,
         1.00000000e+09])

• 1
• 2
• 3
• 4
• 5
• 6

● 假如，我们想要改变基数，不让它以10为底数，我们可以改变base参数，将其设置为2试试。

>>> a = np.logspace(0,9,10,base=2)
>>> a
array([   1.,    2.,    4.,    8.,   16.,   32.,   64.,  128.,  256.,  512.])

 

[[[ 1  2  3  4  5]
  [ 6  7  8  9 10]]

 [[11 12 13 14 15]
  [16 17 18 19 20]]]

tip：在终端输出数据时，有时数据会很长，NumPy会自动将数据的中间部分变成省略号显示。如下：

[[   0    1    2 ...,   97   98   99]
 [ 100  101  102 ...,  197  198  199]
 [ 200  201  202 ...,  297  298  299]
 ...,
 [9700 9701 9702 ..., 9797 9798 9799]
 [9800 9801 9802 ..., 9897 9898 9899]
 [9900 9901 9902 ..., 9997 9998 9999]]

为了显示出全部数据，可以添加如下代码：

 np.set_printoptions(threshold='nan')

• dot函数：

数组间存在简单的加减乘法，对于乘法，我们都知道矩阵的乘法并不是普通的对应相乘，而使用*符号产生的是对应位置相乘的结果。如果想得到矩阵相乘的结果，需要使用dot函数，如下代码所示：

import numpy as np
a = np.array([[1, 2], [2, 3]])
b = np.array([[2, 2], [3, 3]])
print a * b
[[2 4]
 [6 9]]
print np.dot(a, b)
[[ 8  8]
 [13 13]]

• flat：

在遍历一维数组时，直接使用下边索引可以一次性遍历，然而当维数增加，遍历下标其实遍历的是某一维度上的数组。例如三维数组，无法直接遍历到每一个元素。如果想直接遍历到每一个元素，可以使用flat(可以理解为要使用到数组中每一个“公寓（flat）中的元素”)，如下所示：

import numpy as np
b = np.array([[[2, 2], [3, 3]], [[2, 2], [3, 3]]])
for _ in b:
    print _
[[2 2]
 [3 3]]
[[2 2]
 [3 3]]
for _ in b.flat:
    print _
2
2
3
3
2
2
3
3

作者：加勒比海鲜王
链接：https://www.jianshu.com/p/949b1f8750a9
来源：简书
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。