NDArray與numpy.ndarray互相轉(zhuǎn)換

import numpy as np
from mxnet import nd
# numpy.ndarray 變 mx.NDArray
np_val = np.array([1, 2, 3])   # 定義一個numpy.ndarray
nd_val = nd.array(np_val)   # 深復(fù)制 
# NDArray 變 numpy.ndarray
np_val_ = nd_val.asnumpy()

NumPy與ndarray簡介

NumPy簡介

NumPy的全名為Numeric Python，是一個開源的Python科學(xué)計算庫，它包括：

• 一個強(qiáng)大的N維數(shù)組對象ndrray；
• 比較成熟的（廣播）函數(shù)庫；
• 用于整合C/C++和Fortran代碼的工具包；
• 實(shí)用的線性代數(shù)、傅里葉變換和隨機(jī)數(shù)生成函數(shù)

NumPy的優(yōu)點(diǎn)：

• 對于同樣的數(shù)值計算任務(wù)，使用NumPy要比直接編寫Python代碼便捷得多；
• NumPy中的數(shù)組的存儲效率和輸入輸出性能均遠(yuǎn)遠(yuǎn)優(yōu)于Python中等價的基本數(shù)據(jù)結(jié)構(gòu)，且其能夠提升的性能是與數(shù)組中的元素成比例的；
• NumPy的大部分代碼都是用C語言寫的，其底層算法在設(shè)計時就有著優(yōu)異的性能，這使得NumPy比純Python代碼高效得多

當(dāng)然，NumPy也有其不足之處，由于NumPy使用內(nèi)存映射文件以達(dá)到最優(yōu)的數(shù)據(jù)讀寫性能，而內(nèi)存的大小限制了其對TB級大文件的處理；此外，NumPy數(shù)組的通用性不及Python提供的list容器。因此，在科學(xué)計算之外的領(lǐng)域，NumPy的優(yōu)勢也就不那么明顯。

數(shù)組ndarray

NumPy最重要的一個特點(diǎn)就是其N維數(shù)組對象（即ndarray）,該對象是一個快速而靈活的大數(shù)據(jù)集容器，該對象由兩部分組成：

• 實(shí)際的數(shù)據(jù)；
• 描述這些數(shù)據(jù)的元數(shù)據(jù)；

大部分的數(shù)組操作僅僅是修改元數(shù)據(jù)部分，而不改變其底層的實(shí)際數(shù)據(jù)。數(shù)組的維數(shù)稱為秩，簡單來說就是如果你需要獲取數(shù)組中一個特定元素所需的坐標(biāo)數(shù)，如a是一個2×3×4的矩陣，你索引其中的一個元素必須給定三個坐標(biāo)a[x,y,z]，故它的維數(shù)就是3。而軸可以理解為一種對數(shù)組空間的分割，以數(shù)組a為例，如果我們以0為軸，那么a可以看成是一個由兩個元素構(gòu)成的數(shù)組，其中每個元素都是一個3×4的數(shù)組。

我們可以直接將數(shù)組看作一種新的數(shù)據(jù)類型，就像list、tuple、dict一樣，但數(shù)組中所有元素的類型必須是一致的，Python支持的數(shù)據(jù)類型有整型、浮點(diǎn)型以及復(fù)數(shù)型，但這些類型不足以滿足科學(xué)計算的需求，因此NumPy中添加了許多其他的數(shù)據(jù)類型，如bool、inti、int64、float32、complex64等。同時，它也有許多其特有的屬性和方法。

常用ndarray屬性：

dtype 描述數(shù)組元素的類型

shape 以tuple表示的數(shù)組形狀

ndim 數(shù)組的維度

size 數(shù)組中元素的個數(shù)

itemsize 數(shù)組中的元素在內(nèi)存所占字節(jié)數(shù)

T 數(shù)組的轉(zhuǎn)置

flat 返回一個數(shù)組的迭代器，對flat賦值將導(dǎo)致整個數(shù)組的元素被覆蓋

real/imag 給出復(fù)數(shù)數(shù)組的實(shí)部/虛部

nbytes 數(shù)組占用的存儲空間

常用ndarray方法：

以上為個人經(jīng)驗(yàn)，希望能給大家一個參考，也希望大家多多支持腳本之家。

最新評論