Tensorflow 2.3.0（比最新版本第一版） Numpy Matplotlib Scipy

Numpy

比如利用numpy的mat()方法建立一个数据矩阵，python3的循环语句

import numpy as np
# 可以理解为数据库的数据，也可以理解为一个矩阵的运算
data = np.mat([[1,200,105,3,False],[2,165,80,2,False],[3,184,120,2,False]])
# 将numpy引入重命名为np并使用mat()方法建立数据矩阵
row=0
# 用到for循环的定义
for line in data:
    row+=1
print(row)
print(data.size)
print(data)

输出

C:\Users\HP\miniconda3\python.exe C:/Users/HP/PycharmProjects/pythonProject2/main.py
3
15
[[  1 200 105   3   0]
 [  2 165  80   2   0]
 [  3 184 120   2   0]]

Process finished with exit code 0

当然可以调用numpy包里的一些函数

import numpy as np
# 可以理解为数据库的数据，也可以理解为一个矩阵的运算
data = np.mat([[1,200,105,3,False],[2,165,80,2,False],[3,184,120,2,False]])
# 将numpy引入重命名为np并使用mat()方法建立数据矩阵

coll =[]
for row in data:
    coll.append(row[0,1]) # 插入的是从左往右数2个数据
    print('this append is',row[0,1])
    print(np.sum(coll))   # 求和
    print(np.mean(coll))  # 求平均
    print(np.std(coll))   #求标准差
    print(np.var(coll))   #求方差
    print("\n")

C:\Users\HP\miniconda3\python.exe C:/Users/HP/PycharmProjects/pythonProject2/main.py
this append is 200
200
200.0
0.0
0.0


this append is 165
365
182.5
17.5
306.25

在这里插入代码片

this append is 184
549
183.0
14.30617582258329
204.66666666666666



Process finished with exit code 0

Matplotlib Scipy

numpy可以对数据进行处理，scipy是专门的机器学习数据包

import numpy as np
import pylab
import scipy.stats as stats
# 可以理解为数据库的数据，也可以理解为一个矩阵的运算
data = np.mat([[1,200,105,3,False],[2,165,80,2,False],[3,184,120,2,False]])
# 将numpy引入重命名为np并使用mat()方法建立数据矩阵

coll =[]
for row in data:
    coll.append(row[0,1]) # 插入的是从左往右数2个数据

stats.probplot(coll,plot=pylab)
pylab.show()