机器学习常见中函数(自用)

一些看代码时遇到的函数,记录了自用
有的是详解,有的是概述,有的放了大佬的链接

  • numpy
    • np.Insert():
    • np.linalg.inv():
    • np中乘法np.dot,np.multiply(), 或 *
    • np.DataFrame()
    • argsort
    • 数组中取整函数np.round, np.around, np.rint, np.ceil, np.floor, np.modf, np.trunc,np. fix
    • np.random.randint()
    • np.random.randn()
    • np.mean(axis=0)
    • astype:
    • np.logical_and/or/not
    • np.nditer()
  • 画图
    • xticks()和yticks()
  • 其他
    • drop()
    • 一个*,两个*

numpy

np.Insert():

数据插入机器学习常见中函数(自用)_第1张图片

np.linalg.inv():

矩阵求逆

np中乘法np.dot,np.multiply(), 或 *

np.dot(A, B):
同线性代数中矩阵乘法的定义,对于二维矩阵,计算真正意义上的矩阵乘积,同线性代数中矩阵乘法的定义。对于一维矩阵,计算两者的内积,与@一样
np.multiply(), 或 * :
对应元素相乘

np.DataFrame()

转化成pandas的表格形式

class pandas.DataFrame(data=None, index=None, columns=None, dtype=None, copy=False)

机器学习常见中函数(自用)_第2张图片

argsort

从小到大排序后的索引值

数组中取整函数np.round, np.around, np.rint, np.ceil, np.floor, np.modf, np.trunc,np. fix

机器学习常见中函数(自用)_第3张图片

np.random.randint()

参数如下:

numpy.random.randint(low, high=None, size=None, dtype='l')

函数的作用是,返回一个随机整型数,其范围为[low, high)。如果没有写参数high的值,返回[0,low)的值。
low: int表示生成的数值大于等于low。
high: int (可选),如果使用这个值,则生成的数值在[low, high)区间
size: (可选),输出随机数组的尺寸,size默认为None,仅仅返回满足要求的单一随机数。
dtype: dtype(可选):想要输出的格式。如int64、int等等
输出:返回一个随机数或随机数数组

np.random.randn()

以返回一个或一组服从标准正态分布的随机样本值
取值主要在-1.96~+1.96之间,当然也不排除存在较大值的情形,只是概率较小而已

np.mean(axis=0)

求平均值
axis=0表示输出矩阵是1行,也就是求每一列的平均值
axis=1表示输出矩阵是1列, 也就是求
每一行的平均值**

链接: link.

astype:

转换数组的数据类型

np.logical_and/or/not

逻辑与/或/非

np.nditer()

有效的多维迭代器对象,可以遍历数组。
参数:
*op : ndarray或array_like的序列。迭代的数组。
*flags :str的序列,可选。用于控制迭代器行为的标志
“multi_index”导致跟踪多个索引或每个迭代维度一个索引元组。
*op_flags : str列表,可选。这是每个操作数的标志列表。至少,必须指定“readonly”,“readwrite”或“writeonly”中的一个。
“readwrite”表示将读取和写入操作数。
等等。。
链接: link.

画图

xticks()和yticks()

改变横坐标和纵坐标上的刻度
其实就是把坐标轴变成你想要的样子

xticks(locs, [labels], **kwargs)  # Set locations and labels

链接: 链接.

其他

drop()

drop,删除行、列,默认行:axis = 1,删除列,inplace=True,原数组名对应的内存值直接改变,=False原内存函数不改变,重新生成一个

一个*,两个*

表示的是将调用的多个参数放入元组

def test1(*p):
    print(p)
test1(1,2,3)#(1,2,3)

两个调用函数时的关键字参数放入一个字典中
代码如下:

def test2(**p):
    for i in p.items():
        print(i)
test2(x=1,y=2,z=3)
#('x', 1)
#('y', 2)
#('z', 3)

你可能感兴趣的:(机器学习,机器学习,python,numpy)