保留初心，砥礪前行

在使用tensorflow的時候需要對輸入的tensor進行處理。

NumPy系統是Python的一種開源的數值計算擴充套件。這種工具可用來儲存和處理大型矩陣，比Python自身的巢狀列表（nested list structure)結構要高效的多。 ——百度百科

因此簡單記錄一下NumPy的學習筆記，方便進行資料處理。

• NumPy的主要物件是齊次多維陣列。這是一個的有相同型別的元素的表(通常是數字),索引是一個元組的正整數。在NumPy中維度被稱為軸(axes)。axes的數量叫做rank。
  例如,三維空間中的一個點的座標[1, 2, 1]
  是rank為1的陣列,因為它有一個軸(axes)，這個軸的長度為3。
  在下邊的例子中，這個陣列有兩個軸 (可以理解為橫軸和縱軸)。縱軸的長度為2，橫軸的長度為3。

[[ 1., 0., 0.],
 [ 0., 1., 2.]]

• NumPy的陣列類叫做ndarray，別名array。
  注意：這裡的numpy.array和python標準庫中的那個只能解決一維陣列，只提供了少量功能的array.array不一樣。

• ndarray的一些屬性：

  ndarray.ndim：
  陣列中軸的數量，如下圖所示，該陣列有橫軸縱軸兩條軸，所以ndarray.ndim值為2
  
  ndarray.shape

  
  陣列的維度，是指明陣列每一維的size的整形元組。
  
  ndarray.size
  陣列的所有的數字的數量。
  
  ndarray.dtype
  描述陣列中元素的型別的物件。從下圖中可以看出返回值並不是一個數據型別，而是資料型別的物件。可以通過ndarray.dtype.name得到它的型別。
  
  ndarray.itemsize
  陣列中每個元素的位元組數。
  

• 建立陣列：

  使用array函式建立陣列。陣列的型別由陣列中元素的型別得到。
  注意：array函式中傳入的要是一個list。

import numpy as np
a = np.array([1, 2, 3])
print
 
 a
[1 2 3]

import numpy as np
a = np.array([(1, 2, 3), (1, 2, 3), (1, 2, 3)])
print a
[[1 2 3]
 [1 2 3]
 [1 2 3]]

通常,一個數組的元素最初未知,但它的大小已知。因此NumPy提供了幾個函式使用初始內容佔位符來建立陣列。
函式zeros建立全0陣列, 函式ones建立全1陣列, 函式empty 建立初始值隨機的陣列。這些陣列預設型別為float64,也可以在函式中制定型別
類似ones和zeros，存在函式ones_like和zeros_like，作用是建立一個與給出的陣列相同形狀和型別的全1或全0陣列。

import numpy as np
a = np.zeros([2, 3])
print a
[[ 0.  0.  0.]
 [ 0.  0.  0.]]

import numpy as np
a = np.ones([2, 3])
print a
[[ 1.  1.  1.]
 [ 1.  1.  1.]]

import numpy as np
a = np.ones([2, 3], dtype=np.int32)
print a
[[1 1 1]
 [1 1 1]]

import numpy as np
a = np.empty([2, 3])
print a
[[  0.00000000e+000   2.68156175e+154   2.12354999e-314]
 [  2.12357331e-314   2.12357331e-314   2.12357336e-314]]

NumPy中有一個類似於range功能的函式arange，和range基本相同，只是返回的不是list而是陣列。

np.arange(1, 20, 3)     #從1開始到20，間隔3
array([ 1,  4,  7, 10, 13, 16, 19])

函式linspace,如下程式碼所示，在1到2中按等差數列找出10個元素。

 np.linspace(1, 2, 10)
array([ 1.        ,  1.11111111,  1.22222222,  1.33333333,  1.44444444,
        1.55555556,  1.66666667,  1.77777778,  1.88888889,  2.        ])

其他陣列建立方式見以下相關連結中NumPy（3）的內容。