Numpy库部分函数使用

在深度学习中经常用到Numpy、scipy以及Matplotlib三大库，Numpy、scipy主要用于数值计算，Matplotlib数据可视化。前面学习了python的基本知识，感觉看一些项目代码还是没有看的很明白，其中这里有几个Numpy的函数，在这里记录下。

from numpy import *

import numpy as np

#包含5个元素的向量x = array([3, 1, 2])#数组的shape属性返回一个元组，元组的元素是数组每一个维度上的大小print x.shape                                          #(3, )print x.shape[1]                                      #1#创建多维数组m = array([arange(2), arange(2)])print m                                                    #[[0, 1], [0,1]]#显示多维数组print m.shape                                          #(2, 2)#选取数组元素 a[m, n]为元素的下标a = array([[1, 2], [3, 4]]) print a[0, 0]                                              #1print a[1, 1]                                              #4#axis=0表示按列相加c = np.sum([[0, 1, 2],[2, 1, 3]], axis=0)print c                                                      #[2, 2, 5]print c.shape                                            #(3, )#axis=1表示按行相加c = np.sum([[0, 1, 2],[2, 1, 3]], axis=1)print c                                                      #[3, 6]print c.shape                                            #(2, )#axis没有给参数表示全部相加相加c = np.sum([[0, 1, 2],[2, 1, 3]], axis=0)print c                                                      #9print c.shape                                            #( )#argsort函数返回是数组从小到大的索引#一维数组(升序的排列方式)x = np.array([3, 1, 2])y = np.argsort(x)print y                                                        #[1, 2, 0]#一维数组(降序的排列方式)x = np.array([3, 1, 2])y = np.argsort(-x)print y                                                        #[0, 2, 1]#二维数组，按列排序x = np.array([[3, 1],[2, 3]])y = np.argsort(x, axis=0)print y                                                      #[[1 0] [0 1]]#二维数组，按行排序x = np.array([[3, 1],[2, 3]])y = np.argsort(x, axis=1)print y                                                      #[[1 0] [0 1]]#与sort sorted排序的比较#sort会改变自己本身a = [5, 6, 2, 2, 1,9]a.sort()print a                                                       #[1, 2, 2, 5, 6, 9]#sorted不会改变自己b = [5, 6, 2, 2, 1,9]print sorted(b)                                          #[1, 2, 2, 5, 6, 9]print b                                                      #[5, 6, 2, 2, 1, 9]