深度学习入门 : 基于Python的理论与实现

1.5  NumPy 

13

组合起来进行运算。此时，需要在

NumPy

数组的各个元素和标量之间进行运算。

这个功能也被称为广播（详见后文）。

>>> x = np.array([1.0, 2.0, 3.0])

>>> x / 2.0

array([ 0.5, 1. , 1.5])

1.5.4

　NumPy的

N

维数组

NumPy

不仅可以生成一维数组（排成一列的数组），也可以生成多维数组。

比如，可以生成如下的二维数组（矩阵）。

>>> A = np.array([[1, 2], [3, 4]])

>>> print(A)

[[1 2]

[3 4]]

>>> A.shape

(2, 2)

>>> A.dtype

dtype('int64')

这里生成了一个 2

×

2 的矩阵

A

。另外，矩阵

A

的形状可以通过

shape

查看，

矩阵元素的数据类型可以通过

dtype

查看。下面，我们来看一下矩阵的算术运算。

>>> B = np.array([[3, 0],[0, 6]])

>>> A + B

array([[ 4, 2],

[ 3, 10]])

>>> A * B

array([[ 3, 0],

[ 0, 24]])

和数组的算术运算一样，矩阵的算术运算也可以在相同形状的矩阵间以

对应元素的方式进行。并且，也可以通过标量（单一数值）对矩阵进行算术运算。

这也是基于广播的功能。

>>> print(A)

[[1 2]

[3 4]]