【MindSpore易点通】数据处理之Numpy的介绍和使用

简介

在深度学习数据处理过程中经常会用到的四个科学计算的基础库，分别是：NumPy、Pandas、Matplotlib和SciPy。本篇将先分享下Numpy的介绍和个人的学习步骤。

NumPy

NumPy大概是是数据处理中使用次数最多的计算库，它提供了很多的基础计算，按照NumPy官网的说明：NumPy是一个功能强大的Python库，主要用于对多维数组执行计算。NumPy这个词来源于两个单词-- Numerical和Python。NumPy提供了大量的库函数和操作，可以轻松地进行数值计算。

安装：安装非常的简单，内存占用也非常小，直接在自己的python环境下‘pip install numpy’就可以安装，几乎不会存在安装失败。安装后简单检验下导入使用，这样便是正常的。

正在上传…重新上传取消

接下来就是入门教程，教程中说到NumPy是Python中的一个运算速度非常快的一个数学库，它非常重视数组。它允许你在Python中进行向量和矩阵计算。NumPy绝对是科学Python成功的关键之一，如果你想要进入Python中的数据科学和/或机器学习，你就要必须学习它。

创建数组

既然它都这么说了，这里就从创建一个数组开始。

图中是四种简单的创建数组的方法，这里我们创建的是一维数组，可以直接把列表或者元组传递给array()函数，创建出的数组是一样的。arange()函数可以传递进去范围，从0开始到参数的前一位的所以整数。linspace()函数主要体现出数组的**症特性，即使其中有长度不同的数，也会按照统一的宽度显示，非常整齐。

再试试创建个二维的数组玩一玩，首先进行了一次错误的尝试，这里将两个列表传递给了array()函数，出现以下报错。

很明显array()函数只要一个参数，所以可以在列表里再创建几组列表，如下面图中所示。

创建成功了，元素的位置依然是非常的对齐，所以创建数组的维度和外边包装的列表层数有关，这里用列表中括号包裹了两层，就创建了二维的数组。在想要查看某一个位置的元素时可以根据坐标的方法。根据测试，左上角是**(0,0)的位置，其中的第一个0表示所在行，第二个0表示列。如果是三维的数组呢，继续试一试。

创建出来了，三层的列表中括号一定要查清楚哦。这里对位置查询有不太明白的，可以参考上面方法，上面采取的从**开始查找并控制两个参数不变改变另一个参数的方法。

接下来再试一试基本的操作符，看到这里的时候突然有种“欲练此功，必先自宫，如不自宫，也能成功”的感觉，害我在创建三维数组的时候数了那么多层的中括号。简单的方法试一试。

数组计算

创建没有问题了，直接reshape就能够设置了数组的维度。当然不能仅仅止步于数组的创建上，我们最终需要做的就是运算数组，这里还从最基本的运算方法‘+’‘-’‘*’‘/’试一试。

以上计算都冇问题，在根据条件对比两个数组时也得到了想要的结果，继续试试特殊的运算符。

上面的max()、min()和sum()都没有问题，而且很好理解规则。其中的cumsun()的计算规则是从前到后一个累加计算，dot()函数的计算有些不太直观的看出来，这里解释了详细的计算步骤，供大家理解。

以b.dot(a)为例，diy下计算过程

[603=63*0+45*3+78*6  789=63*1+45*4+78*7  975=63*2+45*5+78*8

 240=98*0+12*3+34*6  384=98*1+12*4+34*7  528=98*2+12*5+34*8

  267=52*0+17*3+36*6  372=52*1+17*4+36*7  477=52*2+17*5+36*8]

如果是a.dot(b)就是交换下计算的顺序。

数组索引

根据我们的条件筛选出符合的元素。

简单的小试，根据下标进行的索引。再根据判断条件试试

总结

本篇内容为Numpy的初级使用，主要尝试了Numpy的安装、创建数组、数组计算和索引的四个部分。MindSpore深度学习框架中也提供了Numpy的接口，后续将会结合使用，并逐渐深入学习使用Numpy的用法，也将继续给大家分享。欢迎大家留言讨论~