基础库-Python常用模块的介绍和使用---numpy

注：Python的NumPy模块是一个非常强大的开源科学计算库，它在数据处理、科学计算、机器学习、图像处理等领域有着广泛的应用。

'''

numpy模块的数值计算等操作和torch模块非常相似

np.linalg子模块、np.fft子模块、np.random子模块

'''

主要作用是：多维数组对象的各种操作以及各种科学计算机制

1.提供多维数组对象

1.数组的创建：np.array()，创建数组或者将列表、元组或者其他数据类型转换为numpy数组

2.数组的形状变换：arr.reshape()、arr.T、arr.tolist()

3.数组的索引和切片

4.数组的各种操作：numpy.reshape()；numpy.expand_dims();numpy.squeeze()；

####数组创建和数组变换
import numpy as np
A = np.array([[1,2,3],[4,5,6]])
B = A.reshape(3,2)
C = A.T
D = A.tolist()

####数组切片
#一维数组切片
A1 = [1,2,3,4,5,6,7,8,9]
B1 = A1[0:1]  ##前闭后开
print(B1)
#多维数组切片
An= np.array([[1,2,3],[4,5,6]])
Bn = An[1:,0:1]
print(Bn)

2.支持广播机制

规则1：如果两个数组的维度不同，那么就在维度比较小的数组的第0维度补充维度1，直到维度相同

规则2：如果两个数组的形状在任何维度上都不匹配，但其中一个维度大小是1，那么扩展这个维度匹配另一个维度的大小

规则3：如果两个数组的形状在任何维度上都不匹配，而且没有维度大小为1，那么会引发广播错误

####情况1：
import numpy as np
arr1 = np.array([1, 2, 3])   # 形状为 (3,)
arr2 = np.array([[4], [5], [6]])  # 形状为 (3, 1)
# 通过广播机制，arr1 会被视为 (1, 3)（规则1），然后与 arr2 的 (3, 1) 进行广播，arr2会变成(3, 3)（规则2）
result = arr1 + arr2
# result = array([[ 5,  6,  7],
#                 [ 6,  7,  8],
#                 [ 7,  8,  9]])


####情况2：
arr1 = np.array([1, 2, 3])   # 形状为 (3,)
arr2 = np.array([[4, 5, 6]])  # 形状为 (1, 3)
# 通过广播机制，arr1 会被视为 (1, 3)，然后与 arr2 的 (1, 3) 进行广播，得到 (1, 3)
result = arr1 + arr2
# result = array([[5, 7, 9]])

3.广泛的线性代数运算

1.矩阵运算：np.dot(A,B)；np.matmul(A,B)；np.vdot（复数）；np.inner（内积）；np.outer（外积）

2.矩阵求逆：np.linalg.inv(A)

3.矩阵分解：np.linalg.svd(A)； w,v = np.linalg.eig(A)（特征值）（特征向量）；w,v = np.linalg.eigh(A)(Hermitian矩阵)

4.解线性方程组：np.linalg.solve(A,b)

主要是np.linalg子模块

4.高效的数学函数库

大多数高效的数学函数库是在numpy主模块中

1.基本的数学运算：数组元素级别的加减乘除

2.统计函数：均值，中位数，方差等

3.排序和搜索:在np的主模块当中

4.三角函数

5.各种函数：三角函数，双曲函数，特殊函数

6.傅里叶变换：np.fft子模块

7.随机数生成：np.random子模块

        7.1：基本随机数：np.random.rand;np.random.randint;np.random.randn

        7.2：分布函数：numpy.random.normal(loc=0.0, scale=1.0, size=None) 均值，期望和形状

注意：在torch模块中，生成随机数是在torch主模块，torch模块不像numpy那样存在一个子模块random专门用于生成随机数