Python与机器学习(一) NumPy与SciPy库

简介

• Python在科学计算方面提供了完备的程序扩展库，包括机器学习、数学分析、可视化库、GPU并行库等。
• Anaconda使得程序扩展库的管理非常方便，这个Python发行版本除了附带了ipython编程环境，也包含了200多个工具库：
  
  • NumPy库，一个提供多维数组及矩阵运算功能的基础类库；
  • SciPy库，在NumPy基础上添加众多科学计算所需的各种工具，它的核心计算部分是一些久经考验的Fortran数值计算库；
  • Pandas库，在NumPy基础上提供类似电子表格的数据结构DataFrame，并以此为核心提供大量的数据的输入输出、清洗、处理和分析函数；
  • Matplotlib库，一个简单且有效的数值可视化绘图类库
  • Scikit-Learn库，一个专门面向机器学习的算法库；
  • TensorFlow，深度学习算法库

NumPy库

主要用于处理n维数组对象的Python工具包。

创建数组

• np.arange([start, ]stop, [step ]) 类似Python的range函数，注意不包含结尾
• linspace(start, stop, num=50, endpoint=True)函数创建等差数列。可以通过endpoint关键字指定是否包括终值，缺省包括终值
• logspace()函数和linspace()函数类似，不过它创建等比数列
• zeros(shape), ones(shape), full(shape, fill_value) 创建给定形状的数组
• eye(N, M=None