Numpy, Scipy, Matplotlib基本用法_np.imresize

学习内容来自:Numpy Tutorial

基本的用法课程里面说的挺详细了。 特别记录一些需要关注的点。

Array Slicing

使用固定数字进行array寻址会导致数组降维。

y = np.random.random((3,2))
print(y)
[[0.44339891 0.27660025]
 [0.9809724  0.88663973]
 [0.18171569 0.72078505]]
1
2
3
4
5

print(y[0])
[0.44339891 0.27660025]

print(y[0,0])
0.4433989126430079

print(y[:1])
[[0.44339891 0.27660025]]

print(y[:1, :1])
[[0.44339891]]
1
2
3
4
5
6
7
8
9
10
11

Array Indexing

除了基础的类似于list 寻址的方法， numpy提供了另外的方便寻址法。

假设要从 $d$ 维的tensor 中取出 $n$ 个数据, 坐标分别是 $(x_1^{(1)},x_2^{(1)},\cdots ,x_d^{(1)}),(x_1^{(2)},x_2^{(2)},\cdots ,x_d^{(2)}),\cdots ,(x_1^{(n)},x_2^{(n)},\cdots ,x_d^{(n)})$

将上面的 $n$ 个向量按照行拼接成矩阵， 然后做转置。 转置之后的每一行就是每个元素同一维度下的坐标。

按照 $(x_1^{(1)},x_1^{(2)},\cdots ,x_1^{(n)}),(x_2^{(1)},x_2^{(2)},\cdots ,x_2^{(n)}),\cdots ,(x_d^{(1)},x_d^{(2)},\cdots ,x_d^{(n)})$

的方式重新进行寻址。 在 $d$ 比较小的时候(我们经常使用矩阵作为运算对象)， 这样的寻址方式非常简便。

a = np.array([[1,2], [3, 4], [5, 6]])

print(a[[0, 1, 2], [0, 1, 0]])  
[1, 4, 5]
1
2
3
4

a = np.array([[1,2,3], [4,5,6], [7,8,9], [10, 11, 12]])
b = np.array([0, 2, 0, 1])

print(a[np.arange(4), b])
[1, 6, 7, 11]
1
2
3
4
5

使用boolean矩阵寻址也是常用的方法。 如果是简单的判断条件， 可以直接写在方括号中。

Mathematical Manipulation

使用.dot 方法进行矩阵乘法， 而 $\ast$ 用作同样大小矩阵的元素对应相乘。

像 v.dot(x) 这样的运算会返回一个新的实例， 不会直接改变 v 的值。

求和运算np.sum(mat, axis = d) 选定第 $d$ 个维度进行求和。 如果axis = 1, 就返回同样的行数， 但是列数都变成了1.

Broadcasting

广播技术的简单概括： $n$ 维和 $m$ 维的tensor 做四则运算 ( $n>m$ )， 要保证 $m$ 维向量的低 $n$ 维和 $n$ 维向量每个维度的size 相同。

x = np.random.random((3,3,4,3,2))
y = np.random.random((3,2))
可以

x=np.random.random((3,3,4,3,2))
y = np.random.random((4,2))
不可
1
2
3
4
5
6
7

向量的outer product 是比较特殊的。

x = np.array([1,2,3])
y = np.array([1,2])

print(np.reshape(x, (3,1)) * y)
[[1 2]
 [2 4]
 [3 6]]
1
2
3
4
5
6
7

Image Processing

现在的Scipy版本中，已经从scipy.misc 中删除了imread, imsave, imresize 等内容。

现在可以从 imageio 库中 import imread, imsave, imwrite。

而 imresize 我们可以用numpy + PIL(pillow) 实现。

from PIL import Image
import numpy as np

# im = imresize(im, (size1, size2, ...))
im = np.array(Image.fromarray(im).resize((size1, size2, ...)))
1
2
3
4
5

im = imread("cat.png")
im = np.array(Image.fromarray(im).resize((300,300)))
imsave("cat1.png", im)
1
2
3