Numpy常用函数

本文记录Numpy常用函数，个人应用场景为图像处理、深度学习、计算机视觉

目录

在数组后面加None，升维来产生两个一维数组相互作用的二维数组（描述的不好，直接看下面例子）

np.nonzero

np.where

np.tile

np.minimum

np.concatenate 

---

• 在数组后面加None，升维来产生两个一维数组相互作用的二维数组（描述的不好，直接看下面例子）

比如我们有两个个数组a=[1,2,3]以及b=[2,3,4]，现在我们想求，我们可以这么做：

 注意到我们的关键步骤是a = a[:,None]来升维，再利用广播机制求得我们想要的a*b再求和

• np.nonzero

numpy.nonzero(a)

参数：

a:输入array

返回返回包含非零元素下标的元组，对于a的每一个维度，输出包含该维度中非零元素的索引

示例：

虽然可以使用 a[nonzero(a)] 获得非零值，但建议使用 x[x.astype(bool)] 或 x[x != 0] 代替，这将正确处理 0-d 数组。

 一个常用的做法是配合布尔判断式使用返回满足判断式的元素下标：

 使用下面方法进行取得下标对应的值（第二种更好用）：

 总结：该函数可用来返回非零元素的下标（二维的输入，返回二维的坐标），并且可以配合布尔判断式使用。

官方文档链接：

numpy.nonzero — NumPy v1.24.dev0 Manual

• np.where

numpy.where(condition, [x, y, ]/)

参数：

condition:条件

返回：如果为condition为True，则产生x，否则产生y。

   

注：当参数仅为condition时，就完全与使用布尔表达式的np.nonzero一致了

如我们可以用bp.where生成一个分段函数：

def weight(t):
    a = -1
    w = np.zeros_like(t)
    at = np.abs(t)
    ind = np.where(at<=1)
    w[ind] = ((a+2)*(at**3) - (a+3)*(at**2) + 1)[ind]
    ind = np.where((at>1)&(at<=2))
    w[ind] = (a*(at**2) - 5*a*(at**2) + 8*a*at - 4*a)[ind]
    return w

官方文档链接： 

numpy.where — NumPy v1.24.dev0 Manual

• np.tile

numpy. tile ( A,  reps )该函数把数组沿各个方向复制，复制的方向取决于reps

当reps仅为一个数：沿着原方向复制且不升维

当reps 为一个数组，如 a = np.array([0,1,2]),    np.tile(a,(2,1))就是把a先沿x轴复制2倍（这里的x轴和y轴个人记作图像中的x轴和y轴，即x轴朝下，y轴朝右）， 再把结果沿y方向复制1倍，即没有复制，仍然是 [0,1,2]，即最终得到

 array([[0,1,2],

             [0,1,2]])

 官方文档链接：

numpy.tile — NumPy v1.24.dev0 Manual

• np.minimum

numpy.minimum(x1, x2, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj]) = <ufunc 'minimum'>

比较两个数组并返回一个包含元素最小值的新数组。如果要比较的元素之一是 NaN，则返回该元素。如果两个元素都是 NaN，则返回第一个。后一种区别对于复数 NaN 很重要，复数 NaN 被定义为实部或虚部中的至少一个是 NaN。最终效果是传播了 NaN。

 参数：

x1,x2：要比较的两个数组（两个数组的形状必须相同或者能够广播成相同的形状）

out:将结果存放到自己定义的out数组（可选）

注：当 x1 和 x2 都不是 NaN 时，np.minimum相当于 np.where(x1 <= x2, x1, x2)，但它更快并且可以进行正确的广播。

示例：

• np.concatenate 

numpy.concatenate((a1, a2, ...), axis=0, out=None, dtype=None, casting="same_kind")

作用：将一系列array按给定的axis进行拼接（注意和np.stack的区别，np.stack可以按新给的维度进行拼接！）

参数：

(a1,a2,..):一系列array

axis:要按哪个轴进行拼接

例子：

 

官方链接：

numpy.concatenate — NumPy v1.23 Manual

---

待更新...