介紹 NumPy 的五種玩法

Python與算法社區(qū)

已原創(chuàng)427篇，干貨滿滿

值得星標(biāo)

01

02

03

三步加星標(biāo)

圖解入門 NumPy，這篇文章，已經(jīng)讓我們感知到NumPy的強(qiáng)大，但要想真正用活NumPy，還不夠！下面介紹五種玩法，以此深入掌握NumPy：

1. 記住NumPy中文網(wǎng)站：https://www.numpy.org.cn/，里面包括NumPy 的官檔中文版，使用入門，實(shí)戰(zhàn)等。

里面包括NumPy官檔最詳細(xì)的一個(gè)中文翻譯，地址為：

https://www.numpy.org.cn/reference/

平時(shí)遇到關(guān)于NumPy的bug，解決不了的，可以先去這里查看API的使用說明。

2. 理解NumPy的向量化能力，這正是賦予它簡(jiǎn)潔的重要原因之一。使用Python原生API會(huì)經(jīng)常寫些for，但是NumPy讓它變得不再需要，NumPy一切都是按照向量計(jì)算。如下計(jì)算小于3的元素置0，否則置為1：

#?使用Python原生
a?=?[10,4,-6,3,5,1]
#?小于3的元素置為0，不小于3的元素置為1
b?=?[]
for?i?in?a:
????b.append(0?if?i?3?else?1)
print(b)

使用 NumPy 的where方法，語法更加簡(jiǎn)潔，看不到for語句，符合Python哲學(xué)：

#?使用NumPy
na?=?np.array(a)
#?一行代碼
b?=?np.where(na?3,?0,?1)
print(b)

3. 處理多維數(shù)組，NumPy的索引和切片更強(qiáng)大，如下 na < 3 得到布爾索引，一切都按照向量化操作：

na?=?np.array([10,4,-6,3,5,1])
na[na?3]
#?結(jié)果如下：
#?array([-6,??1])

#?創(chuàng)建二維數(shù)組
np.random.randint(1,10,size=(3,4))
c2?=?np.random.randint(1,10,size=(3,4))
c2
array([[3,?2,?9,?9],
???????[9,?5,?2,?4],
???????[8,?1,?2,?4]])
#?更強(qiáng)大簡(jiǎn)潔的切片功能：
c2[:2,1:3]
array([[2,?9],
???????[5,?2]])

4. 學(xué)習(xí)NumPy，不可能不與廣播打交道，廣播機(jī)制必須要理解，關(guān)于它的規(guī)則可參考：

https://www.numpy.org.cn/article/basics/python_numpy_tutorial.html#%E5%B9%BF%E6%92%AD-broadcasting

5. NumPy往往是數(shù)據(jù)分析、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)相關(guān)框架的底層框架，NumPy在這方面的實(shí)戰(zhàn)，都有哪些呢？

在這里推薦一個(gè)純NumPy實(shí)現(xiàn)各種常見機(jī)器學(xué)習(xí)、深度學(xué)習(xí)算法的github庫，地址為：

https://github.com/ddbourgin/numpy-ml

此庫里有各種常見機(jī)器學(xué)習(xí)算法，神經(jīng)網(wǎng)絡(luò)模型，優(yōu)化器，各種激活函數(shù)的純NumPy實(shí)現(xiàn)方法。沒事研究一下，既能提高NumPy技能，還能掌握常見AI算法，一舉兩得！

過往20篇專題匯總為PDF：適合小白學(xué)習(xí)的 20 個(gè) Python 專題，需要的可微信我：

不必打賞

給我點(diǎn)個(gè)贊

就心滿意足了