作者 | Jay Alammar

译者 | 苏南下

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：

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

加减乘除

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

直接创建：

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

求最值

按行 / 列聚合

矩阵转置

矩阵重塑

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：

END.

作者：Jay Alammar

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