国外大神制作的超棒NumPy可视化教程

作者 | Jay Alammar

译者 | 苏南下

来源 | 机器会学习ML（ID:AI_Learning007）

学 Python 尤其是机器学习，最基础的 NumPy 用法必须得熟悉。网上这方面的教程不少，但基本都前篇一律，枯燥罗列代码，而数组和矩阵本身是有些抽象的，这样难以理解。

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

np.array() 直接创建：

mark

使用 np.ones()、np.zeros() 等方法：

mark

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

加减乘除

mark

mark

mark

数组乘以数值

mark

数组索引

mark

数组聚合

mark

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

直接创建：

mark

使用 np.ones()、np.zeros() 等方法：

mark

这样就很容易理解括号里 (3,2) 的含义。

矩阵运算

mark

mark

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：

mark

进一步拆分解释：

mark

矩阵索引

mark

矩阵聚合

求最值

mark

按行 / 列聚合

mark

矩阵转置

mark

矩阵重塑

reshape() 用法：

mark

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

mark

mark

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：

作者：Jay Alammar

链接：

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

(*本文为Python大本营转载文章，转载请联系原作者)

◆

精彩推荐

◆

「2019 AI开发者大会」 除了邀请国内外一线公司重磅嘉宾外，还邀请到了亚马逊首席科学家@李沐，他将于9月5日亲授「深度学习实训营」，通过动手实操，帮助开发者全面了解深度学习的基础知识和开发技巧。

目前「培训+会议」优惠票倒计时最后 1 天，扫描海报二维码购票，即享折扣。更多详情请见： https://t.csdnimg.cn/aoY4

推荐阅读：

你点的每个“在看”，我都认真当成了喜欢