Si vous avez installé Anaconda, veuillez supposer que vous avez installé NUMPY dans l'environnement virtuel. Si vous avez utilisé la libération standard de Python ou toute autre version, vous pouvez accéder à
http://www.numpy.org
et suivez les instructions d'installation pour installées.
1. Entrez NUMPY
Lorsque la nouvelle session Ipython ou Jupyter est activée, le module NUMPY peut être entré et vérifié par les étapes suivantes:
import numpynumpy.__version__ ]
1.15.4 import numpy as npnp.__version__ Rappelez: N'oubliez pas de saisir la commande dans Jupyter Ordinicop, vous pouvez appuyer sur Ctrl + Entrée à faire une cellule. En outre, appuyez sur Maj + Entrée pour exécuter les cellules et insérer automatiquement ou sélectionner la case ci-dessous. Cliquez sur Aide | Raccourcis pour vérifier tous les raccourcis ou cliquez sur Aide | Visitez l'interface utilisateur pour une navigation rapide. Une partie du paquet décrit ici, à l'aide d'une version numpy 1.8 ou de la version suivante. Suivez les pratiques, vous constaterez que la plupart des gens entrentNumby dans le domaine de la science Python, utilisera NP comme alias:
1.15.4 2, Comprendre la matrice NUMPY
a = 5 . Python est un type de langage faible. Cela signifie que vous n'avez pas à spécifier le type de données chaque fois que vous créez une nouvelle variable.
Par exemple, le contenu suivant sera automatiquement représenté sous la forme brute:
type(a) Entrez le contenu suivant pour confirmer:
int .
REMARQUE: Étant donné que le déploiement standard de Python est écrit en C, chaque objet Python est essentiellement une fausse structure C. Ceci est de véritables entiers en python, en fait, il s'agit d'un pointeur de la structure synthétique C , y compris non seulement la valeur initiale. Par conséquent, le type de données C par défaut est utilisé pour indiquer que l'entier Python dépendra de votre architecture système (c'est-à-dire 32 bits ou plates-formes 64 bits).
En outre, nous utilisons la liste de liste () pour créer une liste entière,est la norme contenant l'élément standard en python. La fonction de la plage (x) créera tous les entiers de 0 à x-1. Pour exporter une variable, vous pouvez utiliser la fonction d'impression, vous pouvez également entrer le nom de la variable directe et appuyer sur Entrée:
int_list = list(range(10))int_list Sorties:
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9] str_list = [str(i) for i in int_list]str_list ['0', '1', '2', '3', '4', '5', '6', '7', '8', '9'] De même, nous créons une liste de chaînes en permettant à Python de parcourir tous les composants de la liste INT_LIST dans la liste INTEGER et d'appliquer la fonction STR () pour chaque élément (cette fonction convertit un numéro à une chaîne) pour créer une chaîne) pour créer une chaîne). Pour créer une chaîne) Pour créer une série String:
int_list * 2 Sorties:
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9] Cependant, les activités mathématiques avec une liste ne sont pas très flexibles. Par exemple, nous voulons multiplier chaque élément dans INT_LIST avec un facteur 2. L'exécutable suivant peut être une méthode simple - quelle est la vue de sortie: Sortie:
import numpy as npint_arr = np.array(int_list)int_arr Python a créé une liste avec le contenu créé deux foisRong int_list, ce n'est pas ce que nous voulons!
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) C'est le pays de Numpy. NUMPY est conçu pour simplifier les opérations de réseau en Python. Nous pouvons rapidement convertir une liste entière en une matrice de sorties: int_arr * 2 Voir comment multiplier chaque élément de la matrice:
array([ 0 2 4 6 8 10 12 14 16 18]) Cette fois, nous sommes dus! L'addition, la soustraction, la division et de nombreuses autres activités sont les mêmes.
En outre, chaque matrice numpy présente les attributs suivants:
NDIM: Taille. Forme:
La taille de chaque dimension. Taille: Total des éléments de la matrice.
DTYPE: Type de données de tableau (par exemple, INT, flotteur, String, V.V.).
Voir les propriétés ci-dessus d'un tableau:
print("int_arr ndim: ", int_arr.ndim)print("int_arr shape: ", int_arr.shape)print("int_arr size: ", int_arr.size)print("int_arr dtype: ", int_arr.dtype) de ces sorties, nous pouvons voir que notre tableau contient une seule façon, contenant 10 éléments et toutL'élément est un entier 64 bits. Bien sûr, si vous exécutez ce code sur une machine 32 bits, vous pouvez obtenir DTYPE: int 32.
int_arr ndim: 1int_arr shape: (10,)int_arr size: 10int_arr dtype: int64 3, par l'accès à l'index un élément de tableau int_arr ] Si vous avez utilisé l'index de la liste standard de Python, la terre va brûler, alors vous ne le trouverez pas qu'il y ait beaucoup de problèmes dans NUMPY. Dans une matrice à sens unique, en spécifiant l'indice souhaité entre crochets (à partir de 0), il en va de même, il en va de même avec la liste Python:
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) int_arr[0] Sortie: 0 int_arr[3] 3 int_arr[-1] pour mettre en place un index de La fin de la matrice, un numéro d'index négatif:
9 int_arr[-2] Sorties:
8
int_arr[2:5] #from index 2 up to index 5 - 1 Couper la matrice Il existe d'autres compétences importantes, comme indiqué ci-dessous:
Sorties:
array([2, 3, 4]) int_arr[:5] #from the beginning up to index 5 - 1 array([0, 1, 2, 3, 4]) Sorties: int_arr[5:] #from index 5 up to the end of the array Sortie:
array([5, 6, 7, 8, 9]) int_arr[::2] #every other element Sorties: Vous devriez essayer d'utiliser ces tableaux! CONSEIL: Les formes générales de tableaux de coupe en nombre sont des matrices comme des tableaux dans la liste standard Python. Utilisez X [Démarrer: Stop: Step] pour accéder à un clip dans le tableau X. Si personne n'est spécifié, la valeur par défaut est démarrée = 0, STOP = Taille de la dimension, étape = 1. 4, créez une matrice multidimensionnelle Les tableaux sans besoin doivent être limités dans la liste. En fait, les matrices peuvent avoir des dimensions. Dans la machine d'apprentissage automatique, nous devons généralement faire face à une colonne d'index au moins à deux voies, représentant une valeur de fonctionnalité spécifique et la valeur de fonctionnalité réelle. Utilisez numpy pour créer facilement des matrices multidimensionnelles depuis le début. Supposons que nous voulions créer une 3 lignes de 5 colonnes, tous les éléments sont initialisés à 0. Si nous ne spécifions pas le type de données, NUMPY SUtilisez le type de flottement par défaut: Sorties: Lorsque vous utilisez OpenCV, vous pouvez connaître l'image de l'échelle 3 × 5 gris de tous. Les pixels sont définis sur 0 (noir). Par exemple: Si vous souhaitez créer une petite image avec 3 canaux de couleur (R, G et B) 2 × 4 pixels, tous les pixels sont réglés sur blanc, nous créerons un réseau tridimensionnel de 3 x 2 x 4 en utilisant NUMPUNE: Ici, la première taille détermine le canal de couleur (bleu, vert à OpenCV, vert et rouge). Par conséquent, si ce sont des données d'image réelles, nous pouvons facilement obtenir des informations de couleur dans la première chaîne en coupant la matrice: OUT: Dans OpenCV, l'image est une matrice à virgule flottante 32 bits entre 0 et 1 ou une valeur de matrice entier 8 bits compris entre 0 et 255. Cela utilise des entiers 8 bits, en spécifiant TalDttype Numpy et multiplier les 275 matrices, nous pouvons également créer une image de 2 × 4 pixels, toutes les images blanches RVB: Sorties: