机器学习—numpy、matplotlib和sklearn

2.3 numpy库

numpy是高性能的科学计算库。

在numpy中，引入了”ndarray”多维数组的概念，其一维数组表示向量；二维数组表示矩阵，numpy的优势就是包含了矩阵相关的运算。

2.3.1 numpy.ndarray基本属性

#程序2-3

import numpy as np

 

print(np.__version__)

 

a = np.array([0,1,2,3,4,5,6,7,8,9])

print(a)

print(type(a))

 

print('向量a的维数：',a.ndim)

print('向量a的元素(行、列)数：',a.shape)

print('向量a中元素的个数：',a.size)

print('向量a中元素的数据类型：',a.dtype)

print('向量a中每个元素的字节数：',a.itemsize)

 

b = np.array([[0,1,2,4],[4,5,6,7],[8,9,10,11.0]])

print(b)

print(type(b))

 

print('矩阵b的维数：',b.ndim)

print('矩阵b的行、列数：',b.shape)

print('矩阵b中元素的个数：',b.size)

print('矩阵b中元素的数据类型：',b.dtype)

print('矩阵b中每个元素的字节数：',b.itemsize)

运行结果：

1.16.0

[0 1 2 3 4 5 6 7 8 9]

<class 'numpy.ndarray'>

向量a的维数： 1

向量a的元素(行、列)数： (10,)

向量a中元素的个数： 10

向量a中元素的数据类型： int32

向量a中每个元素的字节数： 4

[[ 0.  1.  2.  4.]

 [ 4.  5.  6.  7.]

 [ 8.  9. 10. 11.]]

<class 'numpy.ndarray'>

矩阵b的维数： 2

矩阵b的行、列数： (3, 4)

矩阵b中元素的个数： 12

矩阵b中元素的数据类型： float64

矩阵b中每个元素的字节数： 8

在array对象中，ndim表示多维数组的维数，若是向量则为1，矩阵为2。

在array对象中，shape返回一个元组。若是向量，则元组索引0表示向量中元素的个数；若是矩阵，则元素返回矩阵的行数、列数。

在array对象中，size表示多维数组中元素的个数。

在array对象中，dtype表示多维数组中元素的数据类型。

在array对象中，itemsize表示多维数组中每个元素所占的字节数。

2.3.2创建numpy.ndarray

方法1：使用array

#程序2-4

import numpy as np

 

a = np.array([[1,2,3],[4,5,6]],dtype=int)

print(a)

print(a.dtype)

 

b = np.array([[1.0,2,3],[4,5,6]],dtype=float)

print(b)

print(b.dtype)

 

c = np.array(range(10))

print(c)

print(c.dtype)

 

d = np.array([x*2 for x in range(10)],dtype=float)

print(d)

print(d.dtype)

运行结果：

[[1 2 3]

 [4 5 6]]

int32

[[1. 2. 3.]

 [4. 5. 6.]]

float64

[0 1 2 3 4 5 6 7 8 9]

int32

[ 0.  2.  4.  6.  8. 10. 12. 14. 16. 18.]

float64

函数numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)，其返回值的数据类型并不是列表，而是numpy.ndarray，数据之间使用空格隔开。

参数	描述
object	列表或元组
dtype	数组元素的数据类型，可选
copy	对象是否被复制，默认为true，可选
order	C(按行)、F(按列)、A(任意，默认)
subok	默认情况下，返回的数组被强制为基类数组；如果为true，则返回子类
ndimin	指定返回数组的最小维数

方法2：使用zeros、ones、full

#程序2-5

import numpy as np

 

a = np.zeros(shape=(2,4))

print(a)

 

b = np.ones(shape=(3,4),dtype=int)

print(b)

 

c = np.full(shape=(3,5),fill_value=12,dtype=float)

print(c)

运行结果：

[[0. 0. 0. 0.]

 [0. 0. 0. 0.]]

[[1 1 1 1]

 [1 1 1 1]

 [1 1 1 1]]

[[12. 12. 12. 12. 12.]

 [12. 12. 12. 12. 12.]

 [12. 12. 12. 12. 12.]]

函数def zeros(shape, dtype=float, order='C')的作用是创建numpy.ndarray数组，其元素填充0；函数def ones(shape, dtype=None, order='C')在数组中填充1；函数def full(shape, fill_value, dtype=None, order='C')在数组中填充fill_value值。

方法3：使用arange

在Python3中可以使用内置的range函数和列表推导式来创建列表，但是range的参数只能是整数，而不能是浮点数。

在numpy中提供了arange来创建数组，def arange(start, stop, step, dtype)表示生成一个从[start,start+step,start+2*step,...,stop)的数字序列，起步长为 step，其中start、stop和step都可以是浮点数。

#程序2-6

import numpy as np

 

a = [x for x in range(1,10,2)]

print(a)

 

b = np.arange(0,1,0.2)

print(b)

运行结果：

[1, 3, 5, 7, 9]

[0.  0.2 0.4 0.6 0.8]

代码中a是列表，b是数据类型为numpy.ndarray的数组。

方法4：使用linspace

#程序2-7

import numpy as np

 

a = np.linspace(1,10,20)

print(a)

 

b = np.linspace(start=0,stop=1,num=10)

print(b)

运行结果：

[ 1.          1.47368421  1.94736842  2.42105263  2.89473684  3.36842105

  3.84210526  4.31578947  4.78947368  5.26315789  5.73684211  6.21052632

  6.68421053  7.15789474  7.63157895  8.10526316  8.57894737  9.05263158

  9.52631579 10.        ]

[0.         0.11111111 0.22222222 0.33333333 0.44444444 0.55555556

 0.66666667 0.77777778 0.88888889 1.        ]

在numpy中提供linspace函数，def linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0)表示在[start,stop]中等分num份，以数组形式返回。

方法5：使用random

#程序2-8

import random

 

a = random.random()

print(a)

 

b = random.randint(0,10)

print(b)

运行结果：

0.4582899552517844

9

在random模块中，random函数表示从0-1之间取随机数，randint(a,b)表示从a-b之间取随机整数。

在numpy中，也提供了属于numpy的random模块。

#程序2-9

import numpy as np

 

a = np.random.random()

print('a:\n',a)

 

b = np.random.random(size=4)

print('b:\n',b)

 

b1 = np.random.random(size=(2,4))

print('b1:\n',b1)

 

b2 = np.random.rand(2,4)

print('b2:\n',b2)

 

c = np.random.randint(0,10)

print('c:\n',c)

 

d = np.random.randint(0,10,size=6)

print('d:\n',d)

 

e = np.random.randint(0,10,size=(3,5))

print('e:\n',e)

运行结果：

a:

 0.9207344322941126

b:

 [0.02066962 0.64988011 0.05265515 0.60719892]

b1:

 [[0.10445075 0.22480481 0.24241775 0.42798398]

 [0.24675379 0.84126946 0.43283146 0.73175104]]

b2:

 [[0.73849037 0.51166791 0.69993536 0.94138962]

 [0.86137873 0.75368827 0.27708881 0.01204831]]

c:

 9

d:

 [0 9 6 1 3 1]

e:

 [[4 0 5 7 1]

 [7 5 9 5 3]

 [6 9 5 9 4]]

在np.random中，函数def random(size)表示创建范围[0,1)大小为size的numpy.ndarray数组；若不指定size，则表示创建一个在[0,1]之间的随机浮点数。

在np.random中，函数def rand(d0, d1, ..., dn)表示创建一个在[0,1)之间的向量或矩阵。

在np.random中，函数def randint(low, high, size, dtype)表示创建范围是[low,high]、大小为size的numpy.ndarray数组；若不指定size，则表示创建一个在[low,high]之间的随机整数。注：dtype只能是int。

#程序2-10

import numpy as np

 

#生成特定的随机数与seed(1)相关

np.random.seed(1)

a = np.random.randint(0,10,size=(2,4))

print(a)

 

#生成特定的随机数与seed(1)相关

np.random.seed(1)

b = np.random.randint(0,10,size=(2,4))

print(b)

 

#生成特定的随机数与seed(1)相关

np.random.seed(1)

c = np.random.randint(0,10,size=(2,5))

print(c)

运行结果：

[[5 8 9 5]