三维数组设置索引_看图学NumPy：掌握n维数组基础知识
点，看这⼀篇就够了
摘要：NumPy是Python的最重要的扩展程序库之⼀，也是⼊门机器学习编程的必备⼯具。国外有位程序员讲NumPy的基本运算以 摘要：
图解的⽅式写下来，让学习过程变得轻松有趣。
NumPy是Python的最重要的扩展程序库之⼀，也是⼊门机器学习编程的必备⼯具。然⽽对初学者来说，NumPy的⼤量运算⽅法⾮常难记。
最近，国外有位程序员讲NumPy的基本运算以图解的⽅式写下来，让学习过程变得轻松有趣。在Reddit机器学习社区发布不到半天就收获了500+赞。
下⾯就让我们跟随他的教程⼀起来学习吧！
教程内容分为向量 （⼀维数组）、矩阵 （⼆维数组）、三维与更⾼维数组3个部分。
Numpy数组与Python列表
c++是面向对象吗
源代码后面结尾什么意思
在介绍正式内容之前，先让我们先来了解⼀下Numpy数组与Python列表的区别。
乍⼀看，NumPy数组类似于Python列表。它们都可以⽤作容器，具有获取（getting）和设置（setting）元素以及插⼊和移除元素的功能。
两者有很多相似之处，以下是⼆者在运算时的⼀个⽰例：web表单textarea
aspnet三层架构是什么
和Python列表相⽐，Numpy数组具有以下特点：
更紧凑，尤其是在⼀维以上的维度；向量化操作时⽐Python列表快，但在末尾添加元素⽐Python列表
慢。
△在末尾添加元素时，Python列表复杂度为O(1)，NumPy复杂度为O(N)
向量运算
向量初始化
创建NumPy数组的⼀种⽅法是从Python列表直接转换，数组元素的类型与列表元素类型相同。
NumPy数组⽆法像Python列表那样加长，因为在数组末尾没有保留空间。
因此，常见的做法是定义⼀个Python列表，对它进⾏操作，然后再转换为NumPy数组，或者⽤np.zeros
配必要的空间：
有时我们需要创建⼀个空数组，⼤⼩和元素类型与现有数组相同：
_like对应项，来创建相同类型的常数数组：
实际上，所有⽤常量填充创建的数组的函数都有⼀个_like
arange或者linspace
linspace来初始化单调序列数组：
在NumPy中，可以⽤arange
如果需要类似[0., 1., 2.]的浮点数组，可以更改arange输出的类型：arange(3).astype(float)。
但是有更好的⽅法：arange函数对数据类型敏感，如果将整数作为参数，⽣成整数数组；如果输⼊浮点数（例如arange(3.)），则⽣成浮点数组。
但是arange在处理浮点数⽅⾯并不是特别擅长：
这是因为0.1对于我们来说是⼀个有限的⼗进制数，但对计算机⽽⾔却不是。在⼆进制下，0.1是⼀个⽆穷⼩数，必须在某处截断。
这就是为什么将⼩数部分加到步骤arange通常是⼀个不太好的⽅法：我们可能会遇到⼀个bug，导致数组的元素个数不是我们想要的数，这会降低代码的可读性和可维护性。
轮播频道是什么软件
linspace会派上⽤场。它不受舍⼊错误的影响，并始终⽣成要求的元素数。
这时候，linspace
出于测试⽬的，通常需要⽣成随机数组，NumPy提供随机整数、均匀分布、正态分布等⼏种随机数形式：
向量索引
⼀旦将数据存储在数组中，NumPy便会提供简单的⽅法将其取出：
上⾯展⽰了各式各样的索引，例如取出某个特定区间，从右往左索引、只取出奇数位等等。
但它们都是所谓的view，也就是不存储原始数据。并且如果原始数组在被索引后进⾏更改，则不会反映原始数组的改变。
这些索引⽅法允许分配修改原始数组的内容，因此需要特别注意：只有下⾯最后⼀种⽅法才是复制数组，如果⽤其他⽅法都可能破坏原始数据：
从NumPy数组中获取数据的另⼀种超级有⽤的⽅法是布尔索引，它允许使⽤各种逻辑运算符，来检索符合条件的元素：
注意：Python中的三元⽐较3<=a<=5在NumPy数组中不起作⽤。
np.clip：
如上所述，布尔索引也会改写数组。它有两个常见的函数，分别是np.where
np.where和np.clip
向量运算
算术运算是NumPy速度最引⼊注⽬的地⽅之⼀。NumPy的向量运算符已达到C++级别，避免了Python的慢循环。NumPy允许像普通数字⼀样操作整个数组（加减乘除、整除、幂）：
python基础知识整理△和Python中⼀样，a//b表⽰div b（整除），x**n表⽰xⁿ

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。