Numpy入门（二）：Numpy数组索引切片和运算

在Numpy中建立了数组或者矩阵后，需要访问数组里的成员，改变元素，并对数组进行切分和计算。

索引和切片

Numpy数组的访问模式和python中的list相似，在多维的数组中使用, 进行区分：

在python的list 下：

a = [1,2,4]
print a[2:]

打印出：

[4]

这是一个数组，在Numpy的多维数组中也采用相同的模式进行数组的访问：

import numpy as np

a = np.arange(1,37)
a = a.reshape(6,6)
print a

打印：

[[ 1  2  3  4  5  6]
 [ 7  8  9 10 11 12]
 [13 14 15 16 17 18]
 [19 20 21 22 23 24]
 [25 26 27 28 29 30]
 [31 32 33 34 35 36]]

a[1,1] = 8
print a

打印：

[[ 1  2  3  4  5  6]
 [ 7  8  9 10 11 12]
 [13 14 15 16 17 18]
 [19 20 21 22 23 24]
 [25 26 27 28 29 30]
 [31 32 33 34 35 36]]

print a[1:4,3:]

打印：

[[10 11 12]
 [16 17 18]
 [22 23 24]]

在二维数组中较为简单，, 前面是横坐标，, 后面是纵坐标，可以用这种方式推广到多维的数组。

牢记这一点，再看看下面的布尔索引就简单多了：

>>> arr3 = (np.arange(36)).reshape(6,6)
>>> arr3
array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11],
       [12, 13, 14, 15, 16, 17],
       [18, 19, 20, 21, 22, 23],
       [24, 25, 26, 27, 28, 29],
       [30, 31, 32, 33, 34, 35]])
>>> x = np.array([0, 1, 2, 1, 4, 5])
>>> arr3[x == 1]
array([[ 6,  7,  8,  9, 10, 11],
       [18, 19, 20, 21, 22, 23]])
>>> arr3[:,x == 1]
array([[ 1,  3],
       [ 7,  9],
       [13, 15],
       [19, 21],
       [25, 27],
       [31, 33]])
>>>

矩阵的运算

Numpy提供的较多的矩阵运算，可以查看相应的文档，这里介绍几种常见的运算方式来说明如何使用运算。

numpy.sum 对某一维进行求和运算：

import numpy as np

a = np.arange(1,7)
a = a.reshape(2,3)
print a

print np.sum(a)
# 21

#[[1 2 3]
 #[4 5 6]]

print np.sum(a,0)
#[5 7 9]

print np.sum(a,1)
#[ 6 15]

同样的运算还用numpy.argmax ， numpy.mean 等。

数组中的运算是对每个元素进行的运算，如：

import numpy as np

a = np.arange(1,7)
a = a.reshape(2,3)
print 2*a
#[[ 2  4  6]
#[ 8 10 12]]

数组的点乘操作：

>>> a = [[1, 0], [0, 1]]
>>> b = [[4, 1], [2, 2]]
>>> np.dot(a, b)
array([[4, 1],
       [2, 2]])

Numpy提供了大量的运算函数，在机器学习中也经常用到，对Numpy的熟悉，以后学起机器学习会轻松很多。

更多教程：阿猫学编程