NumPy快餐教程(1) - 如何生成多維數(shù)組
Python現(xiàn)在是最熱門的人工智能語言，各種工具的支持如Google的Tensorflow麸祷，都是首選支持Python的。
但是，與R語言不同离咐，Python語言設(shè)計時，并沒有考慮對于矩陣運算奉件，統(tǒng)計計算等功能做專項支持宵蛀。于是我們需要NumPy庫來補足這一能力上的不足。
NumPy是Python的著名擴展庫县貌，相當于Python中的MATLAB术陶。
如何生成多維數(shù)組
初識ndarray多維數(shù)組
在算法中我們最經(jīng)常用到的就是矩陣，我們就從矩陣開始說起吧煤痕。
NumPy中梧宫，使用二維的多維數(shù)組ndarray來存儲矩陣。
例：
a3 = np.array([[1,0],[0,1]])
會生成這樣一個多維數(shù)組對象
array([[1, 0],
[0, 1]])
生成數(shù)組序列
通過開始值摆碉、結(jié)束值和步長值生成數(shù)組序列 - arange
可以通過arange函數(shù)來生成指定開始值祟敛，結(jié)束值和步長值的一維數(shù)組。請注意兆解，結(jié)束值并不包含在序列中馆铁，也就是說結(jié)束值是開區(qū)間。
In [25]: a4 = np.arange(1,10,1)
In [26]: a4
Out[26]: array([1, 2, 3, 4, 5, 6, 7, 8, 9])
線性序列 - linspace
與arange類似锅睛，linspace通過給定初值埠巨、終值和元素個數(shù)來生成序列。是否包含終值可以通過endpoint屬性來設(shè)置现拒。
例：
In [37]: a8 = np.linspace(1,10,10,endpoint=True)
In [38]: a8
Out[38]: array([ 1., 2., 3., 4., 5., 6., 7., 8., 9., 10.])
等比序列 - logspace
除了線性的等差數(shù)列辣垒，我們也可以通過等比數(shù)列的方式來生成一維數(shù)組。
默認是以10的n次方為參數(shù)印蔬，比如logspace(0,4,3)的意思是勋桶，初值為10的0次方，即1，終值是10的4次方例驹，即100捐韩，一共生成3個值。
例鹃锈，生成[1,100,10000]
In [47]: a9 = np.logspace(0,4,3)
In [48]: a9
Out[48]: array([ 1.00000000e+00, 1.00000000e+02, 1.00000000e+04])
我們當然也可以修改基數(shù)荤胁，比如改成3：
In [53]: a10 = np.logspace(1,5,3,base=3)
In [54]: a10
Out[54]: array([ 3., 27., 243.])
改變多維數(shù)組的形狀
如果有一個一維數(shù)組要轉(zhuǎn)為多維數(shù)組，可以通過修改shape屬性來實現(xiàn)屎债。
我們可以先將數(shù)據(jù)存在一維數(shù)組中仅政，可以用列表或者元組來生成一維數(shù)組，它們是等價的：
例：
In [2]: a1 = np.array([1,2,3,4])
In [3]: a1
Out[3]: array([1, 2, 3, 4])
In [4]: a2 = np.array((1,0,0,1))
In [5]: a2
Out[5]: array([1, 0, 0, 1])
我們通過shape屬性來查看一個數(shù)組的形狀：
In [14]: a1.shape
Out[14]: (4,)
In [15]: a2.shape
Out[15]: (4,)
shape屬性是可以直接修改的盆驹，比如我們想把上面的a1改成2 x 2的矩陣圆丹，就直接改shape值就是了：
In [16]: a1.shape = 2,2
In [17]: a1
Out[17]:
array([[1, 2],
[3, 4]])
如果能確定一個軸，另一個可以賦-1讓系統(tǒng)自己去算躯喇。
例：
In [18]: a2.shape= 2,-1
In [19]: a2
Out[19]:
array([[1, 0],
[0, 1]])
如果想保持這個數(shù)組不變运褪，生成一個形狀改變的新數(shù)組，可以調(diào)用reshape方法玖瘸。
例：我們將一個25個元素的數(shù)組生成一個5x5的新數(shù)組
In [59]: a11 = np.linspace(1,100,25)
In [60]: a11
Out[60]:
array([ 1. , 5.125, 9.25 , 13.375, 17.5 , 21.625,
25.75 , 29.875, 34. , 38.125, 42.25 , 46.375,
50.5 , 54.625, 58.75 , 62.875, 67. , 71.125,
75.25 , 79.375, 83.5 , 87.625, 91.75 , 95.875, 100. ])
In [61]: a12 = a11.reshape(5,-1)
In [62]: a12
Out[62]:
array([[ 1. , 5.125, 9.25 , 13.375, 17.5 ],
[ 21.625, 25.75 , 29.875, 34. , 38.125],
[ 42.25 , 46.375, 50.5 , 54.625, 58.75 ],
[ 62.875, 67. , 71.125, 75.25 , 79.375],
[ 83.5 , 87.625, 91.75 , 95.875, 100. ]])
直接生成多維數(shù)組
生成全0的數(shù)組
zeros生成全是0的數(shù)組，第一個參數(shù)是shape
例：
In [65]: np.zeros((10,10))
Out[65]:
array([[ 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]])
生成全是1的數(shù)組
例：
In [66]: np.ones((5,5))
Out[66]:
array([[ 1., 1., 1., 1., 1.],
[ 1., 1., 1., 1., 1.],
[ 1., 1., 1., 1., 1.],
[ 1., 1., 1., 1., 1.],
[ 1., 1., 1., 1., 1.]])
只生成空數(shù)組
empty不賦初值辛辨，是最快速的方法
例：
In [67]: np.empty((3,3))
Out[67]:
array([[ 1. , 2.125, 3.25 ],
[ 4.375, 5.5 , 6.625],
[ 7.75 , 8.875, 10. ]])
通過函數(shù)來生成數(shù)組
通過fromfunction函數(shù)可以通過一個函數(shù)來生成想要的數(shù)組登夫。
例别惦，生成九九乘法表：
In [125]: def mul2(x,y):
...: return (x+1)*(y+1)
...:
In [126]: np.fromfunction(mul2,(9,9))
Out[126]:
array([[ 1., 2., 3., 4., 5., 6., 7., 8., 9.],
[ 2., 4., 6., 8., 10., 12., 14., 16., 18.],
[ 3., 6., 9., 12., 15., 18., 21., 24., 27.],
[ 4., 8., 12., 16., 20., 24., 28., 32., 36.],
[ 5., 10., 15., 20., 25., 30., 35., 40., 45.],
[ 6., 12., 18., 24., 30., 36., 42., 48., 54.],
[ 7., 14., 21., 28., 35., 42., 49., 56., 63.],
[ 8., 16., 24., 32., 40., 48., 56., 64., 72.],
[ 9., 18., 27., 36., 45., 54., 63., 72., 81.]])
