【Python深度学习前传】用NumPy创建多维数组(1)
在这个程序中只涉及到numpy模块中的一个arange函数，该函数可以传入一个整数类型的参数n，函数返回值看着像一个列表，其实返回值类型是numpy.ndarray。这是NumPy中特有的数组类型。例如，arange(5) ** 2的结果是[ 014916]，可以看到，对一个ndarray类型的数组使用次方运算，实际上是对每一个数组元素进行次方运算。例如，如果要生成一个二维数组，需要向array函
那么NumPy到底有什么功能呢？其实NumPy的功能非常多，主要用于数组计算。NumPy可以让你在Python语言中使用向量和数学矩阵。NumPy 是 Python 语言在科学计算领域取得成功的关键之一，如果你想通过 Python语言学习数据科学、人工智能（包括深度学习、语言处理等分支），就必须学习 NumPy。
1. NumPy开发环境搭建
NumPy是第三方程序库，所以在使用NumPy之前必须安装NumPy。如果读者使用的Anaconda Python开发环境，那么NumPy已经集成到Anaconda环境中了，不需要再安装。如果读者使用的是官方的Python开发环境，可以使用如下的命令安装NumPy。
pip install numpy
如果读者要了解NumPy更详细的情况，请访问官方网站，网址如下：
http://www.numpy.org
安装完NumPy后，可以测试一下NumPy是否安装成功。读者可以进入Python的REPL环境，然后使用下面的语句导入numpy模块，如果不出错，就说明NumPy已经安装成功了。
import numpy
2. 第一个NumPy程序
本节来编写第一个NumPy程序，来体验一下NumPy的强大。在编写程序之前，需要先了解一下这个程序要做什么。
在这个程序中只涉及到numpy模块中的一个arange函数，该函数可以传入一个整数类型的参数n，函数返回值看着像一个列表，其实返回值类型是numpy.ndarray。这是NumPy中特有的数组类型。如果传入arange函数的参数值是n，那么arange函数会返回0到n-1的ndarray类型的数组。而且这个数组还支持很多Python语言的基础运算，如加法（+）、减法（-）、次方（**）等。例如，arange(5) ** 2的结果是[ 0 1 4 9 16]，可以看到，对一个ndarray类型的数组使用次方运算，实际上是对每一个数组元素进行次方运算。
下面的例子使用arange函数生成了多个ndarray类型的数组，并对数组进行加法和次方运算。
# 导入numpy模块的arange函数
from numpy import arange
def sum(n):
# 对ndarray类型的数组进行2次方运算
a = arange(n) ** 2
# 对ndarray类型的数组进行4次方运算
b = arange(n) ** 4
# 将两个ndarray类型的数组相加（每个数组元素相加）
c = a + b
return c
# 输出0到4的数组，运行结果：[0 1 2 3 4]
print(arange(5))
# 运行结果：[ 0 1 4 9 16]
print(arange(5) ** 2)
# 运行结果：[ 0 1 16 81 256]
print(arange(5) ** 4)
# 运行结果：[ 0 2 20 90 272]
print(sum(5))
程序运行结果如图1所示。
图1 数组运算
3. 创建多维数组
numpy模块的array函数可以生成多维数组。例如，如果要生成一个二维数组，需要向array函数传一个列表类型的参数，每一个列表元素是一维的ndarray类型数组，作为二维数组的行。另外，通过ndarray类的shape属性可以获得数组每一维的元素个数（元组形式），也可以通过shape[n]形式获得每一维的元素个数，其中n是维度，从0开始。
下面的例子使用array函数和arange函数生成了多个二维数组，并输出了这些二维数组以及相关的属性值。
from numpy import *
# 创建一个一维的数组
a = arange(5)
# 输出一维数组，运行结果：[0 1 2 3 4]
print(a)
# 输出数组每一维度的元素个数，运行结果：(5,)
print(a.shape)
# 输出第一维的元素个数，运行结果：5
print(a.shape[0])
# 创建一个3*3的二维数组
m1 = array([arange(3),arange(3),arange(3)])
print(m1)
# 创建一个2*3的二维数组
m2 = array([arange(3),arange(3)])
print(m2)
# 创建一个3*3的混合类型数组（每个数组元素的类型可能不一样）
m3 = array([["a","b",4],[1,2,3],[5.3,5,3]])
print(m3)
# 输出m2数组每一维度元素的个数，运行结果：(2, 3)
print(m2.shape)
# 运行结果：m2是2维数组
print("{}是{}维数组".format("m2", len(m2.shape)))
**自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。**
**深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！**
**因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。**
**既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Python开发知识点，真正体系化！**
**由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新**
**如果你觉得这些内容对你有帮助，可以添加V获取：vip1024c （备注Python）**
如果你也是看准了Python，想自学Python，在这里为大家准备了丰厚的免费**学习**大礼包，带大家一起学习，给大家剖析Python兼职、就业行情前景的这些事儿。
### 一、Python所有方向的学习路线
Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。
### 二、学习软件
工欲善其必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。
### 三、全套PDF电子书
书籍的好处就在于权威和体系健全，刚开始学习的时候你可以只看视频或者听某个人讲课，但等你学完之后，你觉得你掌握了，这时候建议还是得去看一下书籍，看权威技术书籍也是每个程序员必经之路。
### 四、入门学习视频
我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。
### 四、实战案例
光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
### 五、面试资料
我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。
成为一个Python程序员专家或许需要花费数年时间，但是打下坚实的基础只要几周就可以，如果你按照我提供的学习路线以及资料有意识地去实践，你就有很大可能成功！
最后祝你好运！！！
**一个人可以走的很快，但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎扫码加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**
我提供的学习路线以及资料有意识地去实践，你就有很大可能成功！
最后祝你好运！！！
**一个人可以走的很快，但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎扫码加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**
[外链图片转存中...(img-ikBSpdKm-1712877229493)]
技术共进，成长同行——讯飞AI开发者社区
更多推荐
4
0- 0
已为社区贡献4条内容
所有评论(0)