#
利用Python進行數據分析時，Numpy是最常用的庫，經常用來對數組、矩陣等進行轉置等，有時候用來做數據的存儲。 在numpy中，轉置transpose和軸對換是很基本的操作，下面分別詳細講述一下，
numpy是Python用來科學計算的一個非常重要的庫，numpy主要用來處理一些矩陣對象，可以說numpy讓Python有了Matlab的味道。 如何利用numpy來合并兩個矩陣呢？我
在經常性讀取大量的數值文件時(比如深度學習訓練數據),可以考慮現將數據存儲為Numpy格式,然后直接使用Numpy去讀取,速度相比為轉化前快很多. 下面就常用的保存數據到二進制文件和保存數據到文本文件
在學習linear regression時經常處理的數據一般多是矩陣或者n維向量的數據形式，所以必須對矩陣有一定的認識基礎。 numpy中創建單位矩陣借助identity（）函數。更為準確的說，此函數
借助numpy可以把數組或者矩陣保存為csv文件，也可以吧csv文件整體讀取為一個數組或矩陣。 1.csv ==> matrix import numpy my_matrix = numpy
numpy中的ndarray轉化成pytorch中的tensor : torch.from_numpy() pytorch中的tensor轉化成numpy中的ndarray : numpy() 代碼
1. mean() 函數定義： numpy.mean(a, axis=None, dtype=None, out=None, keepdims=
如下所示： def append(arr, values, axis=None): """ Append values to the end of an array. Parameters
如下所示： 解讀： transpose( ) 方法的參數是一個 由 軸編號（軸編號自0 開始） 序列構成的 元組。 開始時，數組的軸編號序列是默認從 0開始的 ：0，1，2，， 坐標的順序也是這個
Numpy 隨機矩陣： np.random.randn(d0, d1, d2, ...) 矩陣大小與形狀： np.ndarray.size 與 np.dnarray.shape Pytorch 隨機矩
