Numpy

Python的数学库包含了高端的数组操作是很多其他库的底层数据形式: torch,matplotlib,pandas...

ndarray

ndarray是Numopy最重要的对象

ndarray的内容为:

指向数据的指针
数据类型
shape形状
stride

举个例子假设我有一个1055行 1024列的数组它的shape为(1055,1024)

实际上它的存储是线性的那么相当于一个线性的数组

[
[a,..,1024个],
[b,..,1024个],
..1055个
]

所以它沿着第0维移动也就是同一行移动一个要经过一个元素

所以strides[0] = 1 (当然这个是字节 1*数据类型的长度)

而沿着第1维移动就是从第一列到第二列需要一次经过1024个

所以strides(1len,1024len)

成员

ndim: 数组的秩即数组的维度或轴的数量
shape: 数组的维度
size: 元素总数
dtype: 内部dtype类型
itemsize: 内部元素的大小
flags: 内存布局信息
data: 内部实际存储的缓冲区
T: 转置

方法

变形与操作

reshape(shape): 变形
flatten(): 展平一维
ravel(): 返回视图
squeeze(): 去掉维度为1的轴

维度统计

argmax(dim): 给定维度上最大值的索引
argmin(dim): 同理
sum(dim): 给定维度求和
mean(dim): 给定维度的均值
var(dim): 给定维度的方差
std(dim): 给定维度的标准差
prod(dim): 给定维度的积

合并

concat(arrays,axis): 沿axis轴合并 数组维度必须匹配除了拼接轴以外的所有维度
stack(arrays,axis): 沿axis轴合并增加一个新的维度 所有数组形状必须完全相同
block(arrays): 块状拼接 对应拼接方向上尺寸匹配

快速傅立叶变换

一般用scipy.fft

线性代数

dot: 点积
outer: 外积
matmul: 矩阵乘法
kron: 科洛内克积

数学

sin/cos/tan/arcsin/arccos/arctan: 三角函数
degrees/radians: 角度弧度的转换
sinh/cosh/tanh/arcsinh/arccosh/arctanh: 双曲三角函数
exp: e的指数
log: 自然对数

numpy

numpy主模块

常量

e: 2.718...
euler_gamma: 0.577.. 就是调和级数和自然对数的差的极限
inf: 无穷大
nan: NaN
pi: 圆周率

ndarray的构建函数

empty(shape): 按照形状创建数组
empty_like(array): 按照array的形状和类型创建空数组
eye(n,m,k=0): 返回一个n*m对角线矩阵(对角线为1) k为对角线偏移
identity(n): n*n单位矩阵
ones(shape): 全1的矩阵
ones_like(array): 和array形状类型一样的全1矩阵
zeros(shape): 全0矩阵
full(shape,value): 全是value矩阵
arange(start,stop): 起点到终点公差为1的向量
linspace(start,end,num): 在start到end之间有num个均匀的点的向量