一起学pythonopencv三（numpy数组广播和一些其它操作）

看上面的叙述还是有点懵&＃xff0c;因为我感觉它是机器翻译过来的。还是得实际试验体会&＃xff0c;先看一看提供的例子&＃xff1a;

这个例子我们看到了&＃xff0c;就是要把维度小的强行扩充到和维度大的数组一样的维度。上面的图示还是比较清晰地展示了这个过程。这个乘号有点像MATLAB里的.*&＃xff0c;这种运算都是对元素而言的&＃xff0c;不是按照我们在线性代数里面学的矩阵的运算法则。不过我们需要再看点别的资料&＃xff1a;参考了https://www.cnblogs.com/yangmang/p/7125458.html。

这个例子用的IDE是anaconda自带的一个spider软件。感觉这个说的还不是很清楚&＃xff0c;又参考了https://blog.csdn.net/yangnanhai93/article/details/50127747

a的shape是(3,)补齐之后是&＃xff08;1&＃xff0c;3&＃xff09;也就是一行三列&＃xff0c;为什么在前面补呢&＃xff1f;因为规则里面写着啊。

b.shape是()&＃xff0c;补齐之后是&＃xff08;1&＃xff0c;1&＃xff09;&＃xff0c;根据规则二&＃xff0c;最后输出的维度应该是(1,3)&＃xff0c;shape显示的是&＃xff08;3&＃xff0c;&＃xff09;。

这个(5,)会补成&＃xff08;1&＃xff0c;5&＃xff09;&＃xff0c;然后根据规则二&＃xff0c;最后的输出是(6,5)。

这个是(3,)补成了(1,3)&＃xff0c;最后结果是(4,3)。我就不再试了&＃xff0c;这个还是二维的。下面来理解一下三维的情况。

对于这个&＃xff0c;我的理解是这样的&＃xff0c;(4,2)会补成&＃xff08;1&＃xff0c;4&＃xff0c;2&＃xff09;&＃xff0c;然后就可以广播了。

那么看了这么多资料&＃xff0c;我总结一下&＃xff1a;

1. shape补全法则&＃xff1a;统一把两个数组的维度补全为ndim大的数组的&＃xff0c;如果不够&＃xff0c;shape要在前面补1&＃xff0c;注意不是后面补1&＃xff0c;是前面。

2. 广播法则&＃xff1a;两个数组能发生广播的条件是&＃xff1a;两个数组的按照补全法则的shape完全一样&＃xff08;当然其实这个就不叫广播了&＃xff09;或者不一样的维度对应的值必须有一个是1。

借用一下别人的例子&＃xff1a;

第一次出错时因为(4,3)和(1,4)肯定不行啊&＃xff0c;主要原因是在第二个维度的3和4&＃xff0c;既不一样&＃xff0c;又没有一个是1&＃xff0c;第二次&＃xff08;4&＃xff0c;3&＃xff09;和(4,1)肯定没问题啊&＃xff0c;因为4一样&＃xff0c;第二个维度虽然不一样但是又一个是1。再举一个例子&＃xff1a;

(4,2)和&＃xff08;4&＃xff0c;3&＃xff09;是因为2和3不一样&＃xff0c;(4,2)和(4,)是因为补全之后是(4,2)和(1,4)主要原因事2和4不相等&＃xff0c;又没有1&＃xff0c;最后(4,2)和(4,1)成功是因为1和2虽然不一样&＃xff0c;但是有1。

上面有一些np的函数,np.random.randn。

这个randn是根据标准正态分布来产生随机数的&＃xff0c;n就是normal的意思&＃xff0c;正态分布也叫高斯分布。这个函数MATLAB里面也有&＃xff0c;python的random模块好像也有。不加n的&＃xff0c;也就是rand就是平均分布&＃xff0c;randint就是平均整数分布。还有很多种分布&＃xff1a;binomial是二项式分布。exponential是指数分布。

还有一个mean函数&＃xff0c;这个函数事求平均值的。

虽然可以输入很多参数&＃xff0c;不过我们可能用不到这么多&＃xff0c;aixs&＃61;0的时侯是计算列的平均值&＃xff0c;axis&＃61;1的时候是计算行的平均值。

关于迭代顺序&＃xff1a;

enmmm&＃xff0c;按理说默认的order是C风格的&＃xff0c;

那么b和c都应该是C风格的&＃xff0c;但是不知道为什么输出不一样。这里不作为重点吧&＃xff0c;就看看吧。

前面也介绍过&＃xff0c;C和F一个是按照行存储&＃xff0c;一个是存储&＃xff0c;打印出来应该是按照这个顺序的&＃xff0c;但是这个解释不了b&＃61;a.T输出为什么不变&＃xff0c;可能是因为T一下&＃xff0c;C风格也变成F风格了。

可以明显看出来确实是改变&＃xff0c;不过这个似乎没什么用&＃xff0c;我们直接a&＃61;a*2也可以得到相同的效果。

enmm这块也没什么问题吧&＃xff0c;继续往下&＃xff1a;

这个我们还是比较熟悉的&＃xff0c;只不过我们是直接用的a.shape这种格式&＃xff0c;这有点像python类的实例化对象调用函数&＃xff0c;这两种格式都可以。

这个没什么难理解的地方。

转置的两种方法吧&＃xff0c;T再MATLAB里面也有转置&＃xff0c;还有&＃39;也是转置的意思。不过复数有点特殊&＃xff0c;分为共轭转置和转置&＃xff0c;

conj就是求共轭的。

0,1,2轴的顺序就是从最层的中括号开始的&＃xff0c;最外面是0轴&＃xff0c;依次向里增加。

这个是不会影响原来的数组的。(a,2,1)应该是从2转到1&＃xff0c;上面写错了。

但是这个怎么转的我还是比较蒙&＃xff0c;轴2转到轴1好理解&＃xff0c;但是。我help了一下。

官方给出的建议是用moveaxis函数。这个其它的轴的位置是不会变的。

这个函数看来还没有加到np.ndarray类的方法里面去&＃xff0c;不过我还是看不懂&＃xff08;2&＃xff0c;0&＃xff09;为什么要这么转&＃xff0c;为什么1轴要动呢&＃xff1f;到实用的时候我们再看看。

这个1轴确实是没有动&＃xff0c;这个是比较好理解的。

感觉这个有点没用啊。

这里的符合广播规则其实就是说&＃xff0c;必须在shape补全之后有一个维度的值是1才可以。

这个删除某一个维度的前提是那个维度上的值为1&＃xff0c;不是1就会报错&＃xff0c;如果不指定轴的话&＃xff0c;就是会把维度对应的值为1的维度删掉&＃xff0c;如果没有维度为1的&＃xff0c;则数组不变。

这两个功能一样&＃xff0c;值得提醒的是&＃xff0c;这里没有广播机制&＃xff0c;数组的形状必须完全一样才可以。

说到完全一样&＃xff0c;有一个地方需要注意&＃xff0c;这个地方是不补全shape的&＃xff0c;也就是说(1,4)和(4,)是不一样的&＃xff0c;其实打印出来看一看就知道&＃xff0c;或者一看其实就知道一个是一维数组&＃xff0c;一个是二维数组&＃xff08;维数就看中括号的对数吗&＃xff0c;我觉得我们还是不要拿矩阵的角度来看numpy的数组&＃xff0c;还是就看做n维数组吧&＃xff09;&＃xff0c;明显不一样&＃xff0c;只有在广播体系中&＃xff0c;它们才被看做一样&＃xff0c;因为广播的时候会补全。   

这两个其实上面用stack就可以实现。在这里我要对比一下MATLAB里面的矩阵连接&＃xff0c;比较简单一些。看一个例子&＃xff1a;

空格或者逗号事横着拼接&＃xff0c;分号是竖着拼接。不过矩阵&＃xff0c;其实一维的我们更习惯叫向量&＃xff0c;矩阵或者向量的形状肯定是要一样的。MATLAB里面有没有广播机制呢&＃xff1f;其实也有&＃xff0c;在plot(x,y)的时候&＃xff0c;如果x是一个(1,4)的&＃xff0c;而y是一个(4,4)的&＃xff0c;那么就会画出来四条曲线&＃xff0c;这个也算一种广播吧。

resize和reshape的区别在上面也可以看到&＃xff0c;就是resize可以缺少或者补充元素&＃xff0c;但是reshape不可以。append如果不输入轴&＃xff0c;会被展开&＃xff0c;生成一个flatten的格式的数组。

insert是有广播体系的。

此函数返回输入数组中的去重元素数组。 该函数能够返回一个元组&＃xff0c;包含去重数组和相关索引的数组。 索引的性质取决于函数调用中返回参数的类型。

s_就类似一个切片操作。s_[::2]就是步长为2。

unique在MATLAB里面也是有的&＃xff0c;在linux里面其实也是有的。

-1的原码是10000001&＃xff0c;补码是11111111&＃xff0c;那么按位取反就是00000000就是0&＃xff0c;-2的原码是10000010&＃xff0c;补码是11111110&＃xff0c;再按位取反就是00000001&＃xff0c;就是1。

这一讲内容挺杂的。