Python训练营打卡DAY16

因为前天说了shap，这里涉及到数据形状尺寸问题，所以需要在这一节说清楚，后续的神经网络我们将要和他天天打交道。

知识点：

1. numpy数组的创建：简单创建、随机创建、遍历、运算
2. numpy数组的索引：一维、二维、三维
3. SHAP值的深入理解

作业：今日知识点比较多，好好记忆下

import numpy as np
zeros = np.zeros((2, 3))
zeros

a = np.array([2,4,6,8,10,12]) # 创建一个一维数组
b = np.array([[2,4,6],[8,10,12]]) # 创建一个二维数组
print(a)
print(b)
a.shape
b.shape

# 分清楚列表和数组的区别
print([7, 5, 3, 9])  # 输出: [7, 5, 3, 9]（逗号分隔）
print(np.array([7, 5, 3, 9]))  # 输出: [7 5 3 9]（空格分隔）

arange = np.arange(1, 10) # 创建一个从1到10的数组
arange # 输出: array([1, 2, 3, 4, 5, 6, 7, 8, 9])
print(arange) # 输出: [1 2 3 4 5 6 7 8 9]

import numpy as np
np.random.seed(42)  # 设置随机种子以确保结果可重复

# 生成10个语文成绩（正态分布，均值75，标准差10）
chinese_scores = np.random.normal(75, 10, 10).round(1)

# 找出最高分和最低分及其索引
max_id = np.argmax(chinese_scores)
min_id = np.argmin(chinese_scores)
print(f"最高分: {chinese_scores[max_id]}，索引: {max_id}")
print(f"最低分: {chinese_scores[min_id]}，索引: {min_id}")
print(f"所有成绩: {chinese_scores}")

import numpy as np
scores = np.array([5, 9, 9, 11, 11, 13, 15, 19])
sum = 0
for i in scores: # 遍历数组中的每个元素
    sum += i   
print(sum)

import numpy as np
a = np.array([[1, 2], [3, 4], [5, 6]])
b = np.array([[7, 8], [9, 10], [11, 12]])
print(a)
print(b)
a * b # 矩阵点乘,对应位置相乘，得到3*2的矩阵
a @ b.T # 矩阵乘法,3*2的矩阵和2*3的矩阵相乘，得到3*3的矩阵

arr2d = np.array([[1, 2, 3, 4],
                [5, 6, 7, 8],
                [9, 10, 11, 12],
                [13, 14, 15, 16]])
arr2d
arr2d[0, :]
arr2d[:, 0]
arr2d[1,1]
arr2d[[0, 2], :]
arr2d[[0, 2]]
arr2d[:, [1, 3]]
arr2d[1:3, 1:3] #不包3

#去理解shap那里的数组和维度

@ 浙大疏锦行-CSDN博客