【Python深度学习前传】用NumPy创建多维数组

超、凢脫俗 2022-10-22 02:54 135阅读 0赞

**目录**

1.  NumPy开发环境搭建

2. 第一个NumPy程序

3. 创建多维数组

--------------------

Python之所以能成为深度学习领域最受宠的编程语言，其中Python三剑客的NumPy、Pandas和Matplotlib功不可没。这3个库分别用于科学计算、数据分析和数据可视化。本系列文章作为深度学习的前传，将开始介绍这3个函数库的核心使用方法，首先介绍一下NumPy。

可能有很多读者会说，NumPy有什么特别的呢？现在用于科学计算的库很多。为什么会提到NumPy呢？因为NumPy 是一个运行速度非常快的科学计算库，这里的关键字不仅是“科学计算”，还有一个“快”。因为NumPy只是用Python作了个外壳，底层逻辑是使用C语言实现的，所以NumPy在运行速度上要远比纯Python代码实现的科学计算库快得多。使用NumPy可以体验到在原生Python代码上从未体验过的运行速度。

那么NumPy到底有什么功能呢？其实NumPy的功能非常多，主要用于数组计算。NumPy可以让你在Python语言中使用向量和数学矩阵。NumPy 是 Python 语言在科学计算领域取得成功的关键之一，如果你想通过 Python语言学习数据科学、人工智能（包括深度学习、语言处理等分支），就必须学习 NumPy。

### **1.  NumPy开发环境搭建** ###

NumPy是第三方程序库，所以在使用NumPy之前必须安装NumPy。如果读者使用的Anaconda Python开发环境，那么NumPy已经集成到Anaconda环境中了，不需要再安装。如果读者使用的是官方的Python开发环境，可以使用如下的命令安装NumPy。

pip install numpy

如果读者要了解NumPy更详细的情况，请访问官方网站，网址如下：

http://www.numpy.org

安装完NumPy后，可以测试一下NumPy是否安装成功。读者可以进入Python的REPL环境，然后使用下面的语句导入numpy模块，如果不出错，就说明NumPy已经安装成功了。

import numpy

### **2. 第一个NumPy程序** ###

本节来编写第一个NumPy程序，来体验一下NumPy的强大。在编写程序之前，需要先了解一下这个程序要做什么。

在这个程序中只涉及到numpy模块中的一个arange函数，该函数可以传入一个整数类型的参数n，函数返回值看着像一个列表，其实返回值类型是numpy.ndarray。这是NumPy中特有的数组类型。如果传入arange函数的参数值是n，那么arange函数会返回0到n-1的ndarray类型的数组。而且这个数组还支持很多Python语言的基础运算，如加法（+）、减法（-）、次方（\*\*）等。例如，arange(5) \*\* 2的结果是\[ 0  1  4  9  16\]，可以看到，对一个ndarray类型的数组使用次方运算，实际上是对每一个数组元素进行次方运算。

下面的例子使用arange函数生成了多个ndarray类型的数组，并对数组进行加法和次方运算。

# 导入numpy模块的arange函数
    from numpy import arange
    def sum(n):
        # 对ndarray类型的数组进行2次方运算
    a = arange(n) ** 2  
        # 对ndarray类型的数组进行4次方运算
    b = arange(n) ** 4  
    # 将两个ndarray类型的数组相加（每个数组元素相加）
        c = a + b
    return c
    # 输出0到4的数组，运行结果：[0 1 2 3 4]
    print(arange(5))
    # 运行结果：[ 0  1  4  9 16]
    print(arange(5) ** 2)    
    # 运行结果：[  0   1  16  81 256]
    print(arange(5) ** 4)    
    # 运行结果：[  0   2  20  90 272]
    print(sum(5))

程序运行结果如图1所示。

![c0e93e39c0223c28ae2063addc80e036.png][]

图1 数组运算

### **3. 创建多维数组** ###

numpy模块的array函数可以生成多维数组。例如，如果要生成一个二维数组，需要向array函数传一个列表类型的参数，每一个列表元素是一维的ndarray类型数组，作为二维数组的行。另外，通过ndarray类的shape属性可以获得数组每一维的元素个数（元组形式），也可以通过shape\[n\]形式获得每一维的元素个数，其中n是维度，从0开始。

下面的例子使用array函数和arange函数生成了多个二维数组，并输出了这些二维数组以及相关的属性值。

from numpy import *
    # 创建一个一维的数组
    a = arange(5)
    # 输出一维数组，运行结果：[0 1 2 3 4]
    print(a)
    # 输出数组每一维度的元素个数，运行结果：(5,)
    print(a.shape)
    # 输出第一维的元素个数，运行结果：5
    print(a.shape[0])
    # 创建一个3*3的二维数组
    m1 = array([arange(3),arange(3),arange(3)])
    print(m1)
    # 创建一个2*3的二维数组
    m2 = array([arange(3),arange(3)])
    print(m2)
    # 创建一个3*3的混合类型数组（每个数组元素的类型可能不一样）
    m3 = array([["a","b",4],[1,2,3],[5.3,5,3]])
    print(m3)
    # 输出m2数组每一维度元素的个数，运行结果：(2, 3)
    print(m2.shape)
    # 运行结果：m2是2维数组
    print("{}是{}维数组".format("m2", len(m2.shape)))
    # 输出m2的第1维的元素个数，运行结果：2
    print(m2.shape[0])
    # 输出m2的第2维的元素个数，运行结果：3
    print(m2.shape[1])

程序运行结果如图2所示。

![78d9faaaaa9f30898e06e33877b6ef22.png][]

图2  创建二维数组

[c0e93e39c0223c28ae2063addc80e036.png]: /images/20221022/8d000db9fe824394ad479e05eb0a1587.png
[78d9faaaaa9f30898e06e33877b6ef22.png]: /images/20221022/cd96d7df62004727a91777527a77daf2.png