理解多維矩陣的"求和"、"平均"操作確實(shí)太惡心了，numpy提供的函數(shù)里還有一堆參數(shù)，搞得暈頭轉(zhuǎn)向的，這里做個(gè)筆記，提醒一下自己， 下面是例程

結(jié)果是分別是

我個(gè)人比較raw的認(rèn)識(shí)就是，axis=0，那么輸出矩陣是1行，求每一列的平均（按照每一行去求平均）；axis=1，輸出矩陣是1列，求每一行的平均（按照每一列去求平均）。還可以這么理解，axis是幾，那就表明哪一維度被壓縮成1。

再舉個(gè)更復(fù)雜點(diǎn)的例子，比如我們輸入為batch = [128, 28, 28]，可以理解為batch=128，圖片大小為28×28像素，我們相求這128個(gè)圖片的均值，應(yīng)該這么寫

輸出結(jié)果m的shape為(28,28)，就是這128個(gè)圖片在每一個(gè)像素點(diǎn)平均值。

Numpy基礎(chǔ)筆記

Python（1） 

版權(quán)聲明：本文為博主原創(chuàng)文章，未經(jīng)博主允許不得轉(zhuǎn)載。

    Numpy簡介

    Numpy（Numerical Python的簡稱）是高性能科學(xué)計(jì)算和數(shù)據(jù)分析的基礎(chǔ)包。其部分功能如下：

    ⑤用于集成由C、C++、Fortran等語言編寫的代碼的工具。

    創(chuàng)建數(shù)組

    創(chuàng)建數(shù)組最簡單的辦法是使用array函數(shù)。它接受一切序列型的對象（包括其他數(shù)組），然后產(chǎn)生一個(gè)新的含有傳入數(shù)據(jù)的NumPy數(shù)組。以一個(gè)列表的轉(zhuǎn)換為例：

arr=np.array([[1.,2.,3.],[4.,5.,6.]])    #創(chuàng)建二維數(shù)組  arr*arr    #行列號(hào)相同的數(shù)組元素間運(yùn)算  arr-arr  1/arr  arr*0.5   %20  基本的索引與切片

[python] view%20plain copy arr=np.arange(10)  arr[5]    #索引第6個(gè)元素  arr[5:8]    #索引第6到第9個(gè)元素作為數(shù)組  arr[5:8]=12    #令第6到第9個(gè)元素等于12  arr_slice=arr[5:8]    #數(shù)組切片是原始數(shù)據(jù)的視圖，視圖上的任何修改都會(huì)反映到原數(shù)組  arr_slice[:]=64    #將數(shù)組切片的全部元素改為64  arr[5:8].copy()    #得到數(shù)組切片的一份副本  arr2d=np.array([[1,2,3],[4,5,6],[7,8,9]])  arr2d[2]    #索引二維數(shù)組第3行  arr2d[0][2]  arr2d[0,2]    #等價(jià)索引1行3列元素  arr2d[:2]    #索引第1行和第2行（不含第3行）  arr2d[:,:1]    #索引第1列  arr2d[:-2]    #使用負(fù)數(shù)索引將從尾部開始選取行   %20  數(shù)組轉(zhuǎn)置和軸對換 %20  轉(zhuǎn)置（transpose）是重塑的一種特殊形式，它返回的是源數(shù)據(jù)的視圖（不會(huì)進(jìn)行復(fù)制操作）。

[python] view%20plain copy arr=np.arange(15).reshape((3,5))    #生成順序數(shù)組，后整形為3行5列  arr.T    #轉(zhuǎn)置  arr=np.random.randn(6,3)    #randn函數(shù)生成一些正態(tài)分布的隨機(jī)數(shù)組（6行3列）  np.dot(arr.T,arr)    #利用np.dot計(jì)算矩陣內(nèi)積XTX   %20  通用函數(shù)：快速的元素級(jí)數(shù)組函數(shù)

 %20 %20通用函數(shù)（即ufunc）是一種對ndarray中的數(shù)據(jù)執(zhí)行元素級(jí)運(yùn)算的函數(shù)。

[python] view%20plain copy arr=np.arange(10)  np.sqrt(arr)    #計(jì)算各元素的平方根（arr**0.5）  exp  #計(jì)算各元素指數(shù)ex;  abs  #絕對值;  np.add(x,y)  #x、y數(shù)組中對應(yīng)元素相加;  subtract #相減;  mult    利用數(shù)組進(jìn)行數(shù)據(jù)處理

    用數(shù)組表達(dá)式代替循環(huán)的做法，通常稱為矢量化    將條件邏輯表述為數(shù)組運(yùn)算

    Numpy.where函數(shù)是三元表達(dá)式x if condition else y的矢量化版本

[python] view plain copy xarr=np.array([1.1,1.2,1.3,1.4,1.5])    #兩個(gè)數(shù)值數(shù)組  yarr=np.array([2.1,2.2,2.3,2.4,2.5])  cond=np.array([True,False,True,True,False])    #一個(gè)布爾數(shù)組  result=np.where(cond,xarr,yarr)    #三元表達(dá)式   %20  數(shù)學(xué)和統(tǒng)計(jì)方法 %20 %20可以通過數(shù)組上的一組數(shù)學(xué)函數(shù)對整個(gè)數(shù)組或某個(gè)軸向的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)計(jì)算。Sum、mean以及標(biāo)準(zhǔn)差std等聚合計(jì)算（aggregation，通常叫做約簡（reduction））既可以當(dāng)做數(shù)組的實(shí)例方法調(diào)用，也可以當(dāng)做頂級(jí)NumPy函數(shù)使用：

[python] view%20plain copy arr=np.random.randn(5,4)  arr.mean();  np.mean(arr);  arr.sum();  arr.mean(axis=1)    #計(jì)算該軸上的統(tǒng)計(jì)值（0為列，1為行）   %20  用于布爾型數(shù)組的方法 %20 %20布爾值會(huì)被強(qiáng)制轉(zhuǎn)換為1（True）和0（False）。因此，sum經(jīng)常被用來對布爾型數(shù)組中的True值計(jì)數(shù)：[python] view%20plain copy arr=randn(100)  (arr>0).sum()    #正值的數(shù)量  bools.any()    #用于測試數(shù)組中是否存在一個(gè)或多個(gè)True  bools.all()    #用于測試數(shù)組中所有值是否都是True   %20  排序 %20 %20跟Python內(nèi)置的列表類型一樣，NumPy數(shù)組也可以通過sort方法就地排序（修改數(shù)組本身）。

[python] view%20plain copy arr=randn(8)  arr.sort()  arr=randn(5,3)  arr.sort(0)  #二維數(shù)組按列排序;  arr.sort(1)  #二維數(shù)組按行排序;   %20  唯一化[python] view%20plain copy ints=np.array([3,3,3,2,2,1,1,4,4])  np.unique(names)    #找出數(shù)組中的唯一值并返回已排序的結(jié)果   %20  用于數(shù)組的文件輸入輸出 %20 %20Numpy能夠讀寫磁盤上的文本數(shù)據(jù)或二進(jìn)制數(shù)據(jù)。

[python] view%20plain copy arr=np.arange(10)  np.save(‘some_array’,arr)  #數(shù)組以未壓縮的原始二進(jìn)制格式保存在.npy文件中  np.load(‘some_array’)  #通過np.load讀取磁盤上的數(shù)組  np.savez(‘a(chǎn)rray_archive.npz’,a=arr,b=arr)  #將多個(gè)數(shù)組以保存在一個(gè)壓縮文件中  a=np.arange(0,12,0.5).reshape(4,-1)  np.savetxt(‘E://knakan//a.txt’,a)  #缺省按照’%.18e’格式保存數(shù)據(jù)，以空格分隔  np.loadtxt(‘E://kankan//a.txt’)  np.savetxt(‘E://kankan//a.txt’,a,fmt=”%d”,delimiter=”,”)  #改為保存為整數(shù)，以逗號(hào)分隔  np.loadtxt(‘E://kankan//a.txt’,delimiter=”,”)  #讀入時(shí)也需指定逗號(hào)分隔   %20  線性代數(shù)

[python] view%20plain copy x=np.array([[1.,2.,3.],[4.,5.,6.]])  y=np.array([[6.,23.],[-1,7],[8,9]])  x.dot(y)  #矩陣乘法，相當(dāng)于np.dot(x,y)  【參考文獻(xiàn)】

[1]. 利用Python進(jìn)行數(shù)據(jù)分析，wes McKinney著，唐學(xué)韜譯，2014年，機(jī)械工業(yè)出版社