别再说学不会：超棒的Numpy可视化学习教程来了！

作者 | Jay Alammar

译者 | 苏南下

来源 | 机器会学ML（ID：AI_Learning007）

学习 Python，尤其是基于 Python 的学习机器学习算法，最基础的 NumPy 用法必须得熟悉。网上这方面的教程不少，但大多千篇一律，枯燥罗列代码形式，而数组和矩阵本身有些抽象、难以理解的解读很少。

今天给各位介绍一个由国外大神制作的 NumPy 可视化教程，直观地介绍 NumPy 的各种用法，很容易就能理解。话不多说，一睹为快。

数组

先来介绍最基础的一维数组。

• 创建数组

1、np.array() 直接创建

2、使用 np.ones()、np.zeros() 等方法

我们在写数组的时候是横着写的，而其实数组是列向量，这样很直观。

• 数组运算

1、加减乘除

2、数组乘以数值

• 数组索引

• 数组聚合

上面是一维数组，下面介绍二维维数组也就是矩阵的使用技巧。

矩阵

• 创建矩阵

1、直接创建

2、使用 np.ones()、np.zeros() 等方法

这样就很容易理解括号里 (3,2) 的含义。

• 矩阵运算

• 矩阵点积

矩阵点积跟线性代数基本一样，有些抽象，借助示意图能很好理解：

进一步拆分解释：

• 矩阵索引

• 矩阵聚合

1、求最值

2、按行 / 列聚合

• 矩阵转置

• 矩阵重塑

1、reshape() 用法

高维数组

Numpy 不仅可以处理上述的一维数组和二维矩阵，还可以处理任意 N 维的数组，方法也大同小异。

• 创建多维数组

掌握了以上基础后，我们可以做个小练习，计算均方误差 MSE：

可以看到有减法、平方、求和等运算：

分别假设相应的预测值和真实值：

希望通过上面直观的描绘，让大家在 Numpy 时可以更轻松，理解也能更深一层！

原文地址：

https://jalammar.github.io/visual-numpy/

(*本文仅代表作者观点，转载请联系原作者)

◆

公开课推荐

◆

AutoML看起来很美好，却也挑战重重。开发者对 AutoML 也是既好奇也疑惑，所以只要你是 AI 领域的学习者，从业者，甚至感兴趣程序员会不会被 AI 替代这件事，都可以报名学习。你可以在这里从0认识，再次重新认识机器学习新兴且重要的技术领域——AutoML。

推荐阅读：

你点的每个“在看”，我都认真当成了喜欢