多維數組

形狀（Shape）：

是一個元組，描述數組的維度，以及各個維度的長度。

長度（Length）：

某個維度中的元素個數。

?

數字	單門課程成績	1*課程成績
一維數組	多門課程成績	n*課程成績
二維數組	多個同學多名課程成績	課程成績+學生
三位數組	多個班級的多個學生的多門課程成績	課程成績+學生+班級
四維數組	多個年紀多個班級的多個學生的多門課程成績	課程成績+學生+班級+年紀
五維數組	多個學校多個年紀多個班級的多個學生的多門課程成績	課程成績+學生+班級+年紀+學校

NumPy

提供了多維數組、矩陣的常用操作和一些高效的科學計算函數

安裝NumPy庫

Anaconda：在Anaconda中，已經被安裝了NumPy

pip安裝：pip install nump（win+r，輸入cmd）

導入NumPy庫

import numpy as np

from nump import *

數組元素的數據類型

int8、uint8、int16、uint16、int32、uint32、int64、uint64

float16、float32、float64、float128

complex64、complex128、complex256

bool、object、string_、unicode

創建數組

array([列表]/(元組), dtype=數據類型)

import numpy as np #創建數組 #NumPy要求數組中所有元素的數據類型必須是一致的 a=np.array([0,1,2,3,4],dtype=np.int64)#占用新的內存 b=np.array([0,1,2,3,4]) print(a) #輸出指定的數組元素 print(a[0])

數組的屬性

print(a.ndim)#數組維數 print(a.shape)#數組形狀描述數組的維度，以及各個維度內部的元素個數 print(a.size)#數組元素的總個數 print(a.dtype)#數組元素的數據類型 print(a.itemsize)#數組中每個元素的字節數

二維數組：

#二維數組 c=np.array([[1,2,3],[4,5,6],[7,8,9]]) print(c.ndim)#數組維數 print(c.shape)#數組形狀描述數組的維度，以及各個維度內部的元素個數 print(c.size)#數組元素的總個數 print(c.dtype)#數組元素的數據類型 print(c.itemsize)#數組中每個元素的字節數 print(c[0]) print(c[0].ndim)#數組維數 print(c[0].shape)#數組形狀描述數組的維度，以及各個維度內部的元素個數 print(c[0].size)#數組元素的總個數 print(c[0].dtype)#數組元素的數據類型 print(c[0].itemsize)#數組中每個元素的字節數

三維數組

#三維數組 d=np.array([[[0,1],[2,3]],[[4,5],[6,7]],[[8,9],[10,11]]]) print("d:",d.ndim)#數組維數 print("d:",d.shape)#數組形狀描述數組的維度，以及各個維度內部的元素個數 print("d:",d.size)#數組元素的總個數 print("d:",d.dtype)#數組元素的數據類型 print("d:",d.itemsize)#數組中每個元素的字節數 print(d[0]) print("d[0]:",d[0].ndim)#數組維數 print("d[0]:",d[0].shape)#數組形狀描述數組的維度，以及各個維度內部的元素個數 print("d[0]:",d[0].size)#數組元素的總個數 print("d[0]:",d[0].dtype)#數組元素的數據類型 print("d[0]:",d[0].itemsize)#數組中每個元素的字節數 print(d[0][0]) print("d[0][0]:",d[0][0].ndim)#數組維數 print("d[0][0]:",d[0][0].shape)#數組形狀描述數組的維度，以及各個維度內部的元素個數 print("d[0][0]:",d[0][0].size)#數組元素的總個數 print("d[0][0]:",d[0][0].dtype)#數組元素的數據類型 print("d[0][0]:",d[0][0].itemsize)#數組中每個元素的字節數

創建特殊的數組

#創建數字序列數組（起始數字，結束數字，步長，dtype） # 起始數字可以省略， 默認從0開始，步長省略默認從1開始 print(np.arange(4)) print(np.arange(0,2,0.3)) #創建全1數組(shape，dtype) onelist = np.ones((3,2)) print(onelist) #創建全0數組(shape，dtype) print(np.zeros((3,2))) #創建單位數組(行數，列數，dtype) print(np.eye(3)) print(np.eye(3,2)) #創建等差數組(起始數字，結束數字，元素個數，元素數據類型) print(np.linspace(1,10,10)) #創建等比數組(起始指數，結束指數，元素個數，基數，元素數據類型) print(np.logspace(1,5,5,base=2)) #將列表或元組轉化為numpy數組對象，不會占用新的內存 onelistasarray = np.asarray(onelist) print("onelistasarray\n",onelistasarray) #array()會復制出一個副本，占用新的內存 onelistarray =np.array(onelist) print("onelistarray\n",onelistarray) onelist[0][0]=9 print("onelist變\n",onelist) print("onelistasarray變\n",onelistasarray) print("onelistarray變\n",onelistarray)

總結

以上是生活随笔為你收集整理的神经网络与深度学习——TensorFlow2.0实战(笔记)(五)(NumPy科学计算库＜1＞python)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。