Numpy学习笔记

科学计算库(Numpy)

通常数据都能转换成矩阵,行就是每一条样本数据,列就是每个字段的特征,Numpy在矩阵运算上非常高效,可以快速处理数据并进行数据计算。

Numpy基本操作

先导入

import numpy as np

array数组

ndarray是Numpy中的底层数据类型,是后续矩阵操作的基本对象。

如图可实现将数组各个元素值+1操作

Numpy学习笔记_第1张图片

数组相加,相乘操作

Numpy学习笔记_第2张图片

输出结果表示当前数组是一维的,其中有5个元素

image-20230729105608673

array()中传入二维数组

Numpy学习笔记_第3张图片

使用ndarray数组时,需要注意数组中所有元素必须是同一类型,如果不是会自动向下进行转换(int→float→str)。

Numpy学习笔记_第4张图片

数组属性操作

Numpy学习笔记_第5张图片

常见的数据类型有整型、浮点型、字符串,机器学习中float更通用一些。

索引与切片

Numpy中,索引、切片用法与Python用法基本一致

Numpy学习笔记_第6张图片

[1:3]左开右闭,索引从0开始。

[-2:0]表示从倒数第二个开始取到最后。

矩阵格式(多维的形式)

赋值

Numpy学习笔记_第7张图片

数值索引

Numpy学习笔记_第8张图片

image-20230729114643114

bool索引

Numpy学习笔记_第9张图片

Numpy学习笔记_第10张图片

Numpy学习笔记_第11张图片

Numpy学习笔记_第12张图片

数据类型与数值计算

在操作与计算数据之前一定弄清楚数据的类型,使用不同的工具包函数时最好先查阅其API文档,将数据处理成该函数所需要的格式,以免计算过程出现各种错误。

数据类型

Numpy学习笔记_第13张图片

复制与赋值

数组中 ===== 是引用操作,使地址相同

Numpy学习笔记_第14张图片

要想复制一个数组需要这样

Numpy学习笔记_第15张图片

数值运算

Numpy学习笔记_第16张图片

Numpy除了求和还有别的一些计算操作:

Numpy学习笔记_第17张图片

Numpy学习笔记_第18张图片

Numpy学习笔记_第19张图片

image-20230730091142765

Numpy学习笔记_第20张图片

矩阵乘法

主要两种计算方式:

  • 一种按对应位置元素进行相乘
  • 另一种是在数组中进行矩阵乘法

Numpy学习笔记_第21张图片

矩阵乘法对应维度必须相同

Numpy学习笔记_第22张图片

使用函数功能时,要注意是否符合预期,在进行计算时,先用实例数据样本进行操作,确认无误再执行大规模操作。

常用功能模块

排序操作

Numpy学习笔记_第23张图片

数组形状操作

对数组操作时,为了满足格式和计算要求通常会改变其形状:

Numpy学习笔记_第24张图片

Numpy学习笔记_第25张图片

数组的拼接

两份数据组合,需要拼接操作:

Numpy学习笔记_第26张图片

Numpy学习笔记_第27张图片

创建数组函数

Numpy学习笔记_第28张图片

Numpy学习笔记_第29张图片

随机模块

Numpy学习笔记_第30张图片

Numpy学习笔记_第31张图片

Numpy学习笔记_第32张图片

你可能感兴趣的:(学习笔记,numpy,学习,笔记)