python机器学习入门之numpy的用法(超详细,必看)


numpy强大的功能主要基于底层的一个ndarray结构 其可以生成N维数组

当然首先你要导入numpy这个科学计算库 如果不知道怎么导入可以看我这篇博客

python导入和下载库

1:ndarray对象是一系列同类型数据的集合,下标索引从0开始

numpy.array(object,dtype=None,copy=true,order=None,subok=False,ndmin=0)
import numpy as np
a=np.array([1,2,3])#一维
print(a)
b=np.array([[1,2],[3,4]])二维
print(b)
ndmin参数用于设置数据最小维度
dtype参数用于设置数组类型

2:astype函数用于修改数据类型 

y=y.astype("float32")

3:轴(axis)每个线性数组称为一个轴 轴即数组的维度 axis=0即对每列进行操作 axis=1即对每行进行操作

秩(rank)数组的维数 

import numpy as np
arr=np.array([[0,1,2],[3,4,5]])
print(arr)
print(arr.sum(axis=0))
print(arr.sum(axis=1))

4:其他创建数组的方式

4.1:empty函数能创建一个指定形状、数据类型的空数组 其没有经过初始化 其内容不确定

import numpy as np
x=np.empty([3,2],dtype=int)
print(x)

4.2:zeros创建全0的数组

import numpy as np
x=np.zeros([3,2],dtype=int)
print(x)

4.3: ones创建全1的函数

import numpy as np
x=np.ones([3,2],dtype=int)
print(x)

4.4:range/arange函数 用法为指定开始和结束还是步长值来决定数列range(start,stop,step)

import numpy as np
w=np.arange(0,8,0.5)
print(w)

4.5:linspace函数(start,stop,num)在一定区间内生成指定数量的样本数

import numpy as np
v=np.linspace(1,6,20)
print(v)

5:random随机函数

import numpy as np
x=np.random.rand(2,3)#生成两行三列的随机浮点数组
y=np.random.randint(0,10,(2,2))

6:切片 是指取数据序列对象一部分的操作

import numpy as np
arr=np.arange(24).reshape(4,6)
print(arr)
arr1=arr[1:,:3]#切片
print(arr1)

7:迭代 可以通过for循环进行迭代 多维则for循环嵌套迭代

import numpu as np
a=np.arange(0,60,5)
a=a.reshape(3,4)
for xline in a:
  for yitem in xline:
      print(yitem,end=' ')

8:numpy计算

8.1:条件计算 即通过条件来筛选值

import numpy as np
score=np.array([[80,88],[82,81],[84,75],[86,86]])
result==[score>80]
print(result)

还可以通过where函数实现操作  格式如下

where(condition,x if true,y if false)  有点类似与C++里面的三目运算符

import numpy as np
num=np.random.normal(0,1,(3,4))
print(num)
num[num<0.5]=0
print(num)
print(np.where(num>0.5,1,0))

9:统计计算 常见的min max mean sum std 函数等等 懂英文的基本上都知道啥意思 无需赘叙

 码字不易 希望大家点赞收藏以备不时之需 有问题可以私信

你可能感兴趣的:(机器学习,numpy,python,机器学习)