• 部分参考：菜鸟教程
  文章目录
• 一：修改数组形状
• 二：翻转数组
• 三：修改数组维度
• 四：连接数组
• 五：分割数组
• 六：数组元素的添加与删除

一：修改数组形状

①：使用 reshape() 可以在不改变数据的条件下修改数组形状，格式如下

numpy.reshape(arr, newshape, order='C')

• arr：要修改形状的数组
• newshape：整数或者整数数组，新的形状应当兼容原有形状
• order：'C' – 按行，'F' – 按列，'A' – 原顺序，'k' – 元素在内存中的出现顺序

举例

a = np.random.randint(0, 100, 9)
print(a)
print("-"*20)
b = a.reshape(3, 3)
c = reshape(a, [3, 3], 'F')
print(b)
print("-"*20)
print(c)

②：使用 flatteen(order = 'C') 可以展开数组

• order：'C' – 按行，'F' – 按列，'A' – 原顺序，'k' – 元素在内存中的出现顺序

举例

a = np.random.randint(0, 10, size=[6, 6])
print(a)
print("-"*20)
b = a.flatten()
c = a.flatten('F')
print(b)
print("-"*20)
print(c)
print("-"*20)

二：翻转数组

①：使用 transpose() 可以对换数组维度，格式如下

numpy.transpose(arr, axes)

• arr：要操作的数组
• axes：整数列表，对应维度，通常所有维度都会对换

举例

a = np.random.randint(0, 10, size=[3, 4])
print(a)
print("-"*20)
b = np.transpose(a)
print(b)

②： numpy.rollaxis() 向后滚动特定的轴到一个特定位置，格式如下

numpy.rollaxis(arr, axis, start)

• arr：数组
• axis：要向后滚动的轴，其它轴的相对位置不会改变
• start：默认为零，表示完整的滚动。会滚动到特定位置

③： numpy.swapaxes() 用于交换数组的两个轴，格式如下

numpy.swapaxes(arr, axis1, axis2)

• arr：输入的数组
• axis1：对应第一个轴的整数
• axis2：对应第二个轴的整数

举例

a = np.random.randint(0, 10, size=[2, 3, 3])
print(a)
print("-"*20)
b = np.swapaxes(a, 0, 2)
print(b)

三：修改数组维度

①使用 numpy.expand_dims() 通过在指定位置插入新的轴来扩展数组形状，函数格式如下

numpy.expand_dims(arr, axis)

• arr：输入数组
• axis：新轴插入的位置

举例

如下，二维数组是（axis0, axis1），三维数组是（axis0, axis1, axis2）。在axis=0处插入轴，所以（3, 3）变为（1, 3, 3）；在axis=1处插入轴，所以（3, 3）变为（3, 1, 3）

a = np.random.randint(0, 10, size=[3, 3])
print(a)
print("-"*20)
b = np.expand_dims(a, axis=0)
c = np.expand_dims(a, axis=1)
print(b)
print("-"*20)
print(c)

②： numpy.squeeze() 从给定数组的形状中删除一维的条目，用于降维，函数格式如下

numpy.squeeze(arr, axis)

• arr：输入数组
• axis：整数或整数元组，用于选择形状中一维条目的子集

举例

a = np.random.randint(0, 10, size=[1, 3, 3])
print(a)
print("-"*20)
b = np.squeeze(a)
print(b)

四：连接数组

①： numpy.concatenate() 用于沿指定轴连接相同形状的两个或多个数组，格式如下

numpy.concatenate((a1, a2, ...), axis)

• a1, a2, ...：相同类型的数组
• axis：沿着它连接数组的轴，默认为 0（简单来说：axis 0向下；axis 1向右）

举例

a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])
c = np.concatenate((a, b), axis=0)
d = np.concatenate((a, b), axis=1)
print(a)
print("-"*20)
print(b)
print("-"*20)
print(c)
print("-"*20)
print(d)

②： numpy.stack() 用于沿新轴连接数组序列，格式如下

numpy.stack(arrays, axis)

• arrays：相同形状的数组序列
• axis：返回数组中的轴，输入数组沿着它来堆叠

五：分割数组

①： numpy.split() 可以沿特定的轴将数组分割为子数组，格式如下

numpy.split(ary, indices_or_sections, axis)

• ary：被分割的数组
• indices_or_sections：如果是一个整数，就用该数平均切分，如果是一个数组，为沿轴切分的位置（左开右闭）
• axis：设置沿着哪个方向进行切分，默认为 0，横向切分，即水平方向。为 1 时，纵向切分，即竖直方向

举例

a = np.random.randint(0, 10, size=[2, 4, 4])
print(a)
print("-"*20)
b = np.split(a, 2, 0)
print(b[0])
print("-"*20)
c = np.split(b[0], 2, 1)
print(c)

六：数组元素的添加与删除

①： numpy.resize() 可以返回指定大小的新数组，如果新数组大小大于原始大小，则包含原始数组中的元素的副本

numpy.resize(arr, shape)

• arr：要修改大小的数组
• shape：返回数组的新形状

举例

a = np.random.randint(0, 10, size=[2, 3])
print(a)
print("-"*20)
b = np.resize(a, [3, 2])
c = np.resize(a, [3, 3])
print(b)
print("-"*20)
print(c)

②： numpy.append() 可以 在数组的末尾添加值。 追加操作会分配整个数组，并把原来的数组复制到新数组中。 此外，输入数组的维度必须匹配否则将生成 ValueError ；且该函数返回的始终是一个一维数组

numpy.append(arr, values, axis=None)

• arr：输入数组
• values：要向arr添加的值，需要和arr形状相同（除了要添加的轴）
• axis：默认为 None。当axis无定义时，是横向加成，返回总是为一维数组！当axis有定义的时候，分别为0和1的时候。当axis有定义的时候，分别为0和1的时候（列数要相同）。当axis为1时，数组是加在右边（行数要相同）

举例

a = np.random.randint(0, 10, size=[2, 3])
print(a)
print("-"*20)
b = np.append(a, [np.random.randint(0, 10, 3)])
print(b)
print("-"*20)
c = np.append(a, [np.random.randint(0, 10, 3)], axis=0)
print(c)
print("-"*20)
d = np.append(a, [np.random.randint(0, 10, 3), np.random.randint(0, 10, 3)], axis=1)
print(d)
print("-"*20)

③： numpy.delete() 可以返回从输入数组中删除指定子数组的新数组

Numpy.delete(arr, obj, axis)

• arr：输入数组
• obj：可以被切片，整数或者整数数组，表明要从输入数组删除的子数组
• axis：沿着它删除给定子数组的轴，如果未提供，则输入数组会被展开

举例

a = np.arange(12).reshape(3, 4)
print(a)
print("-"*20)
b = np.delete(a, 5)
print(b)
print("-"*20)
c = np.delete(a, 1, axis=1)
print(c)
print("-"*20)

Original: https://blog.csdn.net/qq_39183034/article/details/124347296
Author: 我擦我擦
Title: （机器学习-深度学习快速入门）第二章数据分析基本工具Numpy-第四节：Numpy之数组操作

相关阅读

Title: 在jupyter notebook中配置GPU

1. 打开Anaconda Prompt，查看虚拟环境中安装了那些kernel

jupyter kernelspec list

目前环境中有两个环境，一个是我们的base环境，另一个是我们新安装的tensorflowGPU版本。如果要删除新安装的GPU版本，直接按照上面的路径删除文件夹即可。接下来正式在jupyter notebook中配置GPU。

2.打开Anaconda Prompt，安装ipykernel

conda install ipykernel

3.接下来创建ipykernel文件

conda install -n 环境名称 ipykernel

我的GPU版本为tensorflow,所以执行以下命令即可：

conda install -n tensorflow ipykernel

4.进入我们的GPU环境（首先你要有这个环境）

activate 环境名称

我的GPU版本为tensorflow,所以执行以下命令即可：

conda activate tensorflow

出现tensoflow，则说明切换环境成功。

5.在tensorflow环境中导入kernel

python -m ipykernel install --user --name 环境名称

我的GPU版本为tensorflow,所以执行以下命令即可：

python -m ipykernel install --user --name tensorflow

此时，你可以按照上面的路径查看jupyter中是否存在tensorflow这个文件夹

接下来在桌面打开jupyter notebook，查看是否存在新安装的版本

在Anaconda Prompt中输入jupyter notebook

点击Desktop，再点击New，你就看见两个kernel

点击tensorflow，进入到这个GPU版本，输入以下代码检验是否可以运行

import tensorflow as tf
import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
a = tf.constant(1.)
b = tf.constant(2.)
print(a+b)
print('GPU:', tf.test.is_gpu_available())

出现红色标记说明安装成功！！！！！

Original: https://blog.csdn.net/TYJ00/article/details/124453197
Author: 菜鸟要爱学习
Title: 在jupyter notebook中配置GPU