NumPy高效使用逻辑，11个角度理顺它！

此文是我的第324篇原创

1 Numpy更高效

使用Python的地方，就能看到Numpy，尤其是需要数值计算的地方，Numpy的高性能更是体现的淋漓尽致。

它基于Python，提供远高于Python的高性能向量、矩阵和更高维度的数据结构。之所以性能高是由于它在密集型计算任务中，向量化操作是用C和Fortran代码实现。

2 导入Numpy

只需要一行代码就能导入：

在numpy包中，描述向量，矩阵和更高维度的数据集使用的术语是.

3 生成numpy数组

有许多方法能初始化一个新的numpy数组，例如：, 等，从文件中读入数据，从python的lists等都能生成新的向量和矩阵数组。例：

v和m的类型都是ndarray，这是numpy中最主要的数据结构之一

v和m的不同仅仅是它们的形状(shape), 我们能通过ndarray.shape属性发现它们的形状信息，shape属性很有用，尤其在深度学习模型调试中：

numpy中获取元素个数通过size：

4 为什么要用numpy?

到此，看起来非常像Python的list, 那我们为什么不用Python的list计算，干嘛非要创造一个新的数组(array)类型呢？

有多个原因：

Python的list是一个通用结构。Python的list能包括任意类型的对象，并且是动态类型, 它们不支持一些数学函数，比如矩阵的点乘，实现如此的函数对于Python的list而言，不会高效，因为它是动态类型

Numpy的array是静态类型和同质的，当array被创建时，元素的类型就确定

Numpy的array更节省内存

由于是静态类型，一些数学函数实现起来会更快，例如array间的加减乘除能够用C和Fortran实现

使用ndarray.dtype, 我们能看到一个数组内元素的类型：

如果我们尝试用str类型赋值给m，会报错：

创建数组时，能指定类型，通过为dtype赋值：

dtype更多取值：, , , , , 我们还可以显示的定义数据位数的类型，如：, , ,

5 通过函数生成数组

对于更大的数组，手动初始化数据是不现实的，比如使用python的list. 我们得用numpy提供的函数才能生成不同形式的数组。比如更通用的：

函数：起始点，终点，步长；不包括终点

函数：起始点，终点，分割份数；包括终点

函数：如下例子，各项分别为 e^1，e^2, e^3,…e^10

函数，实际工作中也很有用，在这里我列举一个

这是基本用法，完全看不出干啥。如果我有10个点，想要得出这10个点的两两间距离：

特殊点的矩阵，对角阵：

主对角线偏移1的矩阵：

零阵：

1阵：

6 随机函数

Numpy提供的使用起来更友好，如下：

获得取值(0,1)上的均匀分布，生成shape为(1,2,3)的三维数组：

满足均值为0，方差为1的高斯分布得到随机数据，生成shape为(5,)的一维数组：

7 主要属性

生成1个三维数组：

每个元素的字节数：

M的总字节数：

M的维数：

8 索引数组

索引数组的元素，可以使用方括号和下标，M是三维，下标索引的方法：

使用 表示全部此维度的所有元素都要获取：

也可方便的切片：

直接赋值：

更有用的掩码索引，对应一个bool类型的数组：

M的维数：，结果维度预期：，但是实际结果维度：

掩码索引，这一特性对于带条件的选取元素很重要。例如，使用生成一维数组x：

判断x 中哪些元素大于5 呢

结果返回的一堆：True, False:

然而有时候，我们想知道x 中哪些位置的元素大于5，此时要借助 :

9 元素级操作

NumPy中两个数组加减乘除等，默认都是对应元素的操作：

v1+2:

v1 * v1:

10 矩阵运算

线性代数中，矩阵的相乘操作在NumPy 中怎么实现，两种方法： 和 。

操作：

另一种方法包装为：

经过包装后，shape取值也会变得更符合线代中的常识：

而在没有包装前：

求矩阵的行列式，要求数组的最后两个维度相等，因此重新构造一个矩阵：

11 统计变量

求平均值：

求标准差：

求方差：

求最大值：

求最小值：

求和：

求累乘：

求累和：

求迹：

12 改变Shape

NumPy数组的shape 被修改而无需复制原有数据，这使它更为高效。

我们验证下v4 是否真的没有被复制：

所以验证得出：v4仅仅是v3的视图，未发生复制。

NumPy 提供的 函数也有改变shape 的能力，将高维数组变为向量。但是，

有时，我们需要增加维度，此时可使用，它会插入1个维度，如下在第三个维度插入，v5的shape变为: [3,3,1]

13 数组由小变大

NumPy中的函数 , , , , 和 具备变换小数组为大数组的能力。

复制元素

复制块：

竖直方向合并数组：

水平方向合并数组：

指定在哪个轴向上合作数组：

以上全部手码，利用两个周的课余时间整理出来，从十几个角度汇总NumPy平时经常使用的函数，希望对大家有用。