這裏的代碼是截取的我的代碼片段，或許難以閱讀，有不理解的地方歡迎交流
- 生成空列表及末尾添加
x=[]
x.append(img_path[j])
- 圖像矩陣和一維數組轉化
img_ndarray=numpy.asarray(img,dtype='float64')/256 #將圖像轉化爲數組並將像素轉化到0-1之間
data[d-1]=numpy.ndarray.flatten(img_ndarray) #將圖像的矩陣形式轉化爲一維數組保存到data中
- 將矩陣中浮點數轉化爲int類型
data_label=data_label.astype(numpy.int) #將標籤轉化爲int類型- Python生成一個範圍內的隨機整數。其中參數a是下限，參數b是上限
print random.randint(12, 20) #生成的隨機數n: 12 <= n <= 20numpy教程
y = 2.5
print type(y) # 輸出 "<type 'float'>"
print y ** 2 # 輸出 "6.25"
#Python中沒有 x++ 和 x-- 的操作符。
#布爾型：Python用英語實現了所有的布爾邏輯，而不是操作符（&&和||等）。
t = True
f = False
print type(t) # 輸出 "<type 'bool'>"
print t and f # 邏輯與 AND; prints "False"
print t or f # 邏輯或 OR; prints "True"
print not t # 邏輯非 NOT; prints "False"
print t != f # 邏輯異或 XOR; prints "True"
#字符串：Python對字符串的支持非常棒。
hello = 'hello' # 字符串可以用單引號，也可以用雙引號
world = "world"
print hello # Prints "hello"
print len(hello) # 字符串長度 prints "5"
hw = hello + ' ' + world # 字符串連接
print hw # prints "hello world"
hw12 = '%s %s %d' % (hello, world, 12) # 格式化輸出
print hw12 # prints "hello world 12"
#字符串對象有一系列有用的方法，比如：
s = "hello"
print s.capitalize() # 首字母大寫; prints "Hello"
print s.upper() # 全部大寫; prints "HELLO"
print s.rjust(7) # 右端對齊; prints " hello"
print s.center(7) # 中間對齊; prints " hello "
print s.replace('l', '(ell)') # 字符串中字符替換; prints "he(ell)(ell)o"
print ' world '.strip() # 去除首尾空格; prints "world"1. 數組Arrays
- 創建數組
import numpy as np
#一維數組
a = np.array([1, 2, 3])
print type(a) # Prints "<type 'numpy.ndarray'>"
print a.shape # Prints "(3,)"
print a[0], a[1], a[2] # Prints "1 2 3"
a[0] = 5 # 改變數組中元素
print a # Prints "[5, 2, 3]"
#二維數組
b = np.array([[1,2,3],[4,5,6]])
print b.shape # Prints "(2, 3)"
print b[0, 0], b[0, 1], b[1, 0] # Prints "1 2 4"
#其他一些建立數組方法
a = np.zeros((2,2)) # Create an array of all zeros
print a # Prints "[[ 0. 0.]
# [ 0. 0.]]"
b = np.ones((1,2)) # Create an array of all ones
print b # Prints "[[ 1. 1.]]"
c = np.full((2,2), 7) # Create a constant array
print c # Prints "[[ 7. 7.]
# [ 7. 7.]]"
d = np.eye(2) # Create a 2x2 identity matrix
print d # Prints "[[ 1. 0.]
# [ 0. 1.]]"
e = np.random.random((2,2)) # Create an array filled with random values
print e # Might print "[[ 0.91940167 0.08143941]
# [ 0.68744134 0.87236687]]"- 訪問數組
import numpy as np
# 創建shape (3, 4)的二維數組
# [[ 1 2 3 4]
# [ 5 6 7 8]
# [ 9 10 11 12]]
a = np.array([[1,2,3,4], [5,6,7,8], [9,10,11,12]])
b = a[:2, 1:3]
# [[2 3]
# [6 7]]
print a[0, 1] # Prints "2"
b[0, 0] = 77 # b[0, 0] 和 a[0, 1]是同一個數據
print a[0, 1] # Prints "77"
row_r1 = a[1, :]
row_r2 = a[1:2, :]
print row_r1, row_r1.shape # Prints "[5 6 7 8] (4,)"
print row_r2, row_r2.shape # Prints "[[5 6 7 8]] (1, 4)"
col_r1 = a[:, 1]
col_r2 = a[:, 1:2]
print col_r1, col_r1.shape # Prints "[ 2 6 10] (3,)"
print col_r2, col_r2.shape # Prints "[[ 2]
# [ 6]
# [10]] (3, 1)"
a = np.array([[1,2], [3, 4], [5, 6]])
print a[[0, 1, 2], [0, 1, 0]] # Prints "[1 4 5]"
# 等價於print np.array([a[0, 0], a[1, 1], a[2, 0]]) # Prints "[1 4 5]"
- 數據類型
import numpy as np
x = np.array([1, 2])
print x.dtype # Prints "int64"
x = np.array([1.0, 2.0])
print x.dtype # Prints "float64"
x = np.array([1, 2], dtype=np.int64)
print x.dtype # Prints "int64"- 數組計算
import numpy as np
x = np.array([[1,2],[3,4]], dtype=np.float64)
y = np.array([[5,6],[7,8]], dtype=np.float64)
print x + y
print np.add(x, y)
# [[ 6.0 8.0]
# [10.0 12.0]]矩陣加
print x - y
print np.subtract(x, y)
# [[-4.0 -4.0]
# [-4.0 -4.0]]矩陣減
print x * y
print np.multiply(x, y)
# [[ 5.0 12.0]
# [21.0 32.0]]矩陣乘
print x / y
print np.divide(x, y)
# [[ 0.2 0.33333333]
# [ 0.42857143 0.5 ]]矩陣除
print np.sqrt(x)
# [[ 1. 1.41421356]
# [ 1.73205081 2. ]]矩陣開方
#和MATLAB不同，*是元素逐個相乘，而不是矩陣乘法。在Numpy中使用dot來進行矩陣乘法：
import numpy as np
x = np.array([[1,2],[3,4]])
y = np.array([[5,6],[7,8]])
v = np.array([9,10])
w = np.array([11, 12])
# 矩陣乘法，輸出219
print v.dot(w)
print np.dot(v, w)
# 矩陣乘法，輸出[29 67]
print x.dot(v)
print np.dot(x, v)
# 矩陣乘法，輸出
# [[19 22]
# [43 50]]
print x.dot(y)
print np.dot(x, y)
#Numpy提供了很多計算數組的函數，其中最常用的一個是sum：
import numpy as np
x = np.array([[1,2],[3,4]])
print np.sum(x) # 計算所有元素和; prints "10"
print np.sum(x, axis=0) # 計算列元素和; prints "[4 6]"
print np.sum(x, axis=1) # 計算行元素和; prints "[3 7]"
#除了計算，我們還常常改變數組或者操作其中的元素。其中將矩陣轉置是常用的一個，在Numpy中，使用T來轉置矩陣：
import numpy as np
x = np.array([[1,2], [3,4]])
print x # Prints "[[1 2]
# [3 4]]"
print x.T # Prints "[[1 3]
# [2 4]]"- 廣播Broadcasting
#如果我們想要把一個向量加到矩陣的每一行，我們可以這樣做：
import numpy as np
x = np.array([[1,2,3], [4,5,6], [7,8,9], [10, 11, 12]])
v = np.array([1, 0, 1])
y = np.empty_like(x) # 創建與x矩陣shape相同的空矩陣
for i in range(4):
y[i, :] = x[i, :] + v
#或者
vv = np.tile(v, (4, 1)) # Stack 4 copies of v on top of each other
print vv # Prints "[[1 0 1]
# [1 0 1]
# [1 0 1]
# [1 0 1]]"
y = x + v
#廣播機制可以使我們直接運算
y = x + v
print y
# [[ 2 2 4]
# [ 5 5 7]
# [ 8 8 10]
# [11 11 13]]
