搭建模型第一步：你需要預習的NumPy基礎都在這了

選自 Numpy

機器之心編譯

參與：Floney、思源

NumPy 是一個為 Python 提供高性能向量、矩陣和高維數據結構的科學計算庫。它通過 C 和 Fortran 實現，因此用向量和矩陣建立方程並實現數值計算有非常好的性能。NumPy 基本上是所有使用 Python 進行數值計算的框架和包的基礎，例如 TensorFlow 和 PyTorch，構建機器學習模型最基礎的內容就是學會使用 NumPy 搭建計算過程。

基礎知識

NumPy 主要的運算對象為同質的多維數組，即由同一類型元素（一般是數字）組成的表格，且所有元素通過正整數元組進行索引。在 NumPy 中，維度 (dimension) 也被稱之為軸線（axes)。

比如坐標點 [1, 2, 1] 有一個軸線。這個軸上有 3 個點，所以我們說它的長度（length）為 3。而如下數組（array）有 2 個軸線，長度同樣為 3。

NumPy 的數組類（array class）叫做 ndarray，同時我們也常稱其為數組（array）。注意 numpy.array 和標準 Python 庫中的類 array.array 是不同的。標準 Python 庫中的類 array.array 只處理一維的數組，提供少量的功能。ndarray 還具有如下很多重要的屬性：

ndarray.ndim：顯示數組的軸線數量（或維度）。

ndarray.shape：顯示在每個維度里數組的大小。如 n 行 m 列的矩陣，它的 shape 就是（n,m)。

ndarray.size：數組中所有元素的總量，相當於數組的 shape 中所有元素的乘積，例如矩陣的元素總量為行與列的乘積。

ndarray.dtype：顯示數組元素的類型。Python 中的標準 type 函數同樣可以用於顯示數組類型，NumPy 有它自己的類型如：numpy.int32, numpy.int16, 和 numpy.float64，其中「int」和「float」代表數據的種類是整數還是浮點數，「32」和「16」代表這個數組的位元組數（存儲大小）。

ndarray.itemsize：數組中每個元素的位元組存儲大小。例如元素類型為 float64 的數組，其 itemsize 為 8（=64/8）。

創建數組

NumPy 有很多種創建數組的方法。比如，你可以用 Python 的列表（list）來創建 NumPy 數組，其中生成的數組元素類型與原序列相同。

一個常見的誤差（error）在於調用 array 時使用了多個數值參數，而正確的方法應該是用「[]」來定義一個列表的數值而作為數組的一個參數。

array 將序列中的序列轉換為二維的數組，序列中的序列中的序列轉換為三維數組，以此類推。

數組的類型也可以在創建時指定清楚：

一般數組的內部元素初始是未知的，但它的大小是已知的。因此，NumPy 提供了一些函數可以創建有初始數值的佔位符數組，這樣可以減少不必要的數組增長及運算成本。

函數 zeros 可創建一個內部元素全是 0 的數組，函數 ones 可創建一個內部元素全是 1 的數組，函數 empty 可創建一個初始元素為隨機數的數組，具體隨機量取決於內存狀態。默認狀態下，創建數組的數據類型（dtype）一般是 float64。

為了創建數列，NumPy 提供一個與 range 類似的函數來創建數組：arange。

當 arange 使用浮點型參數時，因為浮點精度的有限性，arange 不能判斷有需要創建的數組多少個元素。在這種情況下，換成 linspace 函數可以更好地確定區間內到底需要產生多少個數組元素。

輸出數組

當你輸出一個數組時，NumPy 顯示這個數組的方式和嵌套列表是相似的。但將數組列印到屏幕需要遵守以下布局：

最後一個軸由左至右列印

倒數第二個軸為從上到下列印

其餘的軸都是從上到下列印，且每一塊之間都通過一個空行分隔

如下所示，一維數組輸出為一行、二維為矩陣、三維為矩陣列表。

上述使用的 reshape 函數可指定數組的行列數，並將所有元素按指定的維度數排列，詳細介紹請看後面章節。在數組的列印中，如果一個數組所含元素數太大，NumPy 會自動跳過數組的中間部分，只輸出兩邊。

如果想要 NumPy 輸出整個數組，你可以用 set_printoptions 改變輸出設置。

基礎運算

數組中的算術運算一般是元素級的運算，運算結果會產生一個新的數組。如下所示減法、加法、平方、對應元素乘積和邏輯運算都是元素級的操作。

不同於許多科學計算語言，乘法運算元 * 或 multiple 函數在 NumPy 數組中用於元素級的乘法運算，矩陣乘法可用 dot 函數或方法來執行。

有一些操作，如 += 和 *=，其輸出結果會改變一個已存在的數組，而不是如上述運算創建一個新數組。

當操作不同數據類型的數組時，最後輸出的數組類型一般會與更普遍或更精準的數組相同（這種行為叫做 Upcasting）。

許多一元運算，如計算數組中所有元素的總和，是屬於 ndarray 類的方法。

默認狀態下，這些運算會把數組視為一個數列而不論它的 shape。然而，如果在指定 axis 參數下，你可以指定針對哪一個維度進行運算。如下 axis=0 將針對每一個列進行運算，例如 b.sum(axis=0) 將矩陣 b 中每一個列的所有元素都相加為一個標量。

索引、截取和迭代

一維數組可以被索引、截取（Slicing）和迭代，就像 Python 列表和元組一樣。注意其中 a[0:6:2] 表示從第 1 到第 6 個元素，並對每兩個中的第二個元素進行操作。

多維數組每個軸都可以有一個索引。這些索引在元組中用逗號分隔：

當有些維度沒有指定索引時，空缺的維度被默認為取所有元素。

如上因為省略了第二維，b[i] 表示輸出第 i 行。當然我們也可以用「:」表示省略的維度，例如 b[i] 等價於 b[i, :]。此外，NumPy 還允許使用 dots (...) 表示足夠多的冒號來構建完整的索引元組。

比如，如果 x 是 5 維數組：

x[1,2,...] 等於 x[1,2,:,:,:],

x[...,3] 等於 x[:,:,:,:,3]

x[4,...,5,:] 等於 x[4,:,:,5,:]

多維數組中的迭代以第一條軸為參照完成，如下每一次循環都輸出一個 b[i]：

然而，如果想在數組的每個元素上進行操作，可以用 flat 方法。flat 是一個在數組所有元素中運算的迭代器，如下將逐元素地對數組進行操作。

Shape 變換

改變數組的 shape

一個數組的 shape 是由軸及其元素數量決定的，它一般由一個整型元組表示，且元組中的整數表示對應維度的元素數。

一個數組的 shape 可以由許多方法改變。例如以下三種方法都可輸出一個改變 shape 後的新數組，它們都不會改變原數組。其中 reshape 方法在實踐中會經常用到，因為我們需要改變數組的維度以執行不同的運算。

ravel() 和 flatten() 都是將多維數組降位一維，flatten() 返回一份新的數組，且對它所做的修改不會影響原始數組，而 ravel() 返回的是 view，會影響原始矩陣。

在矩陣的轉置中，行和列的維度將交換，且矩陣中每一個元素將沿主對角線對稱變換。此外，reshape 如下所示返回修改過維度的新數組，而 resize 方法將直接修改原數組本身的維度。

如果在 shape 變換中一個維度設為-1，那麼這一個維度包含的元素數將會被自動計算。如下所示，a 一共有 12 個元素，在確定一共有 3 行後，-1 會自動計算出應該需要 4 列才能安排所有的元素。

數組堆疊

數組可以在不同軸上被堆疊在一起。如下所示 vstack 將在第二個維度（垂直）將兩個數組拼接在一起，而 hstack 將在第一個維度（水平）將數組拼接在一起。

column_stack 函數可堆疊一維數組為二維數組的列，作用相等於針對二維數組的 hstack 函數。

與 column_stack 相似，row_stack 函數相等於二維數組中的 vstack。一般在高於二維的情況中，hstack 沿第二個維度堆疊、vstack 沿第一個維度堆疊，而 concatenate 更進一步可以在任意給定的維度上堆疊兩個數組，當然這要求其它維度的長度都相等。concatenate 在很多深度模型中都有應用，例如權重矩陣的堆疊或 DenseNet 特徵圖的堆疊。

在複雜情況中，r_ 和 c_ 可以有效地在創建數組時幫助沿著一條軸堆疊數值，它們同樣允許使用範圍迭代「:」生成數組。

當用數組為參數時，r_ 和 c_ 在默認行為下與 vstack 和 hstack 相似，但它們如 concatenate 一樣允許給定需要堆疊的維度。

拆分數組

使用 hsplit 可以順著水平軸拆分一個數組，我們指定切分後輸出的數組數，或指定在哪一列拆分數組：

vsplit 沿著垂直軸拆分，array_split 可指定順著哪一條軸拆分。

複製與 views

在進行數組運算或操作時，入門者經常很難判斷數據到底是複製到了新的數組還是直接在原始數據上修改。這對進一步的運算有很大的影響，因此有時候我們也需要複製內容到新的變數內存中，而不能僅將新變數指向原內存。目前一般有三種複製方法，即不複製內存、淺複製以及深複製。

實際不複製

簡單的任務並不會複製數組目標或它們的數據，如下先把變數 a 賦值於 b，然後修改變數 b 就會同時修改變數 a，這種一般的賦值方法會令變數間具有關聯性。

Pythan 將不定對象作為參照（references）傳遞，所以調用函數不會產生目標識別符的變化，也不會發生實際的內容複製。

View 或淺複製

不同數組對象可以共享相同數據，view 方法可以創建一個新數組對象來查看相同數據。如下 c 和 a 的目標識別符並不一致，且改變其中一個變數的 shape 並不會對應改變另一個。但這兩個數組是共享所有元素的，所以改變一個數組的某個元素同樣會改變另一個數組的對應元素。

分割數組輸出的是它的一個 view，如下將數組 a 分割為子數組 s，那麼 s 就是 a 的一個 view，修改 s 中的元素同樣會修改 a 中對應的元素。

深複製

copy 方法可完整地複製數組及數據，這種賦值方法會令兩個變數有不一樣的數組目標，且數據不共享。

深入理解 NumPy

廣播機制

廣播操作是 NumPy 非常重要的一個特點，它允許 NumPy 擴展矩陣間的運算。例如它會隱式地把一個數組的異常維度調整到與另一個運算元相匹配的維度以實現維度兼容。例如將一個維度為 [3,2] 的矩陣與另一個維度為 [3,1] 的矩陣相加是合法的，NumPy 會自動將第二個矩陣擴展到等同的維度。

為了定義兩個形狀是否是可兼容的，NumPy 從最後開始往前逐個比較它們的維度大小。在這個過程中，如果兩者的對應維度相同，或者其一（或者全是）等於 1，則繼續進行比較，直到最前面的維度。若不滿足這兩個條件，程序就會報錯。

如下展示了一個廣播操作：

高級索引

NumPy 比一般的 Python 序列提供更多的索引方式。除了之前看到的用整數和截取的索引，數組可以由整數數組和布爾數組 indexed。

通過數組索引

如下我們可以根據數組 i 和 j 索引數組 a 中間的元素，其中輸出數組保持索引的 shape。

當使用多維數組作為索引時，每一個維度就會索引一次原數組，並按索引的 shape 排列。下面的代碼展示了這種索引方式，palette 可以視為簡單的調色板，而數組 image 中的元素則表示索引對應顏色的像素點。

我們也可以使用多維索引獲取數組中的元素，多維索引的每個維度都必須有相同的形狀。如下多維數組 i 和 j 可以分別作為索引 a 中第一個維度和第二個維度的參數，例如 a[i, j] 分別從 i 和 j 中抽取一個元素作為索引 a 中元素的參數。

同樣，我們把 i 和 j 放在一個序列中，然後用它作為索引：

然而，我們不能如上把 i 和 j 放在一個數組中作為索引，因為數組會被理解為索引 a 的第一維度。

另一個將數組作為索引的常用方法是搜索時間序列的最大值：

你也可以用數組索引作為一個分配目標：

然而，當索引列表中有重複時，賦值任務會執行多次，並保留最後一次結果。

這是合理的，但注意如果你使用 Python 的 +=創建，可能不會得出預期的結果：

雖然 0 在索引列表中出現兩次，第 0 個元素只會增加一次。這是因為 Python 中「a+=1」等於「a = a + 1」.

用布爾數組做索引

當我們索引數組元素時，我們在提供索引列表。但布爾值索引是不同的，我們需要清楚地選擇被索引數組中哪個元素是我們想要的哪個是不想要的。

布爾索引需要用和原數組相同 shape 的布爾值數組，如下只有在大於 4 的情況下才輸出 True，而得出來的布爾值數組可作為索引。

這個性質在任務中非常有用，例如在 ReLu 激活函數中，只有大於 0 才輸出激活值，因此我們就能使用這種方式實現 ReLU 激活函數。

第二種使用布爾索引的方法與整數索引更加相似的；在數組的每個維度中，我們使用一維布爾數組選擇我們想要的截取部分：

注意一維布爾數組的長度必須和想截取軸的長度相同。在上面的例子中，b1 的長度 3、b2 的長度為 4，它們分別對應於 a 的第一個維度與第二個維度。

線性代數

簡單的數組運算

如下僅展示了簡單的矩陣運算更多詳細的方法可在實踐中遇到在查找 API。如下展示了矩陣的轉置、求逆、單位矩陣、矩陣乘法、矩陣的跡、解線性方程和求特徵向量等基本運算：

數據科學初學者必知的NumPy基礎知識

從數組到矩陣的跡，NumPy常見使用大總結

原文檔鏈接：https://docs.scipy.org/doc/numpy/user/quickstart.html

本文為機器之心編譯，轉載請聯繫本公眾號獲得授權。

------------------------------------------------

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！