Numpy必须掌握的50条基础命令

想要学习机器学习的同学应该知道的工具之一：Numpy。

Numpy是Python语言的一个扩充程序库，支持大量高维度数组与矩阵运算，并提供了大量的数学函数库。机器学习涉及到大量对数组的变换和运算，NumPy 就成了必不可少的工具之一。

基础部分

1. 导入Numpy

import numpy as np

2. 查看Numpy版本信息

print(np.__version__)

3. 通过列表创建一维数组

 np.array([1,2,3])

4. 通过列表创建二维数组

 np.array([(1,2,3),(4,5,6)])

5. 创建全为 0 的二维数组

 np.zeros((3,3))

6. 创建全为 1 的三维数组

 np.ones((2,3,3))

7. 创建一维等差数组

 np.arange(0,10,2)

8. 创建二维等差数组

  np.arange(0,10,2).reshape(2,2)
  //reshape 可以在不改变数组数据的同时，改变数组的形状。

9. 创建单位矩阵（二维数组）

 np.eye(3)

10. 创建等间隔一维数组

 np.linspace(1,20,num=5)

11. 创建二维随机数组

 np.random.rand(2,5)

12. 创建二维随机整数数组（数值小于 5）

 np.random.randint(5,size=(2,5))

13. 依据自定义函数创建数组

 np.fromfunction(lambda i,j: i+j, (4,5))
 //定义4行5列的数组

数组运算

先自己定义两个数组，这里我定义为：
x1=np.array([1,2,3,4])
x2=np.array([5,6,7,8])

14. 一维数组加法运算

x1+x2

15. 一维数组减法运算

x1-x2

16. 一维数组乘法运算

x1*x2

17. 一维数组除法运算

x1/x2

使用以下代码将上述一维数组转变为二维数组，此时看成是一个矩阵：
X1=x1.reshape(2,2)
X2=x1.reshape(2,2)
18. 矩阵加法运算

X1+X2

19. 矩阵减法运算

X1-X2

20. 矩阵元素间乘法运算

X1*X2
//对应行相乘的乘积，对应的列相乘的乘积

21. 矩阵乘法运算（注意与上题的区别）

np.dot(X1,X2)

此时的矩阵乘法是基于以下公式实现的：
$$(AB{)}_{ij}=\sum _{k=1}^p{a}_{ik}{b}_{kj}=a_{i1}{b}_{1j}+a_{i2}{b}_{2j}+\cdots +a_{ip}{b}_{pj}$$
22. 数乘矩阵

4*X1

23. 矩阵的转置

X1.T

24. 矩阵求逆

np.linalg.inv(X1)

数学函数

25. 三角函数

np.sin(a)
//a是一个一维数组

26. 以自然对数函数为底数的指数函数

np.exp(a)

27. 数组的方根的运算（开平方）

np.sqrt(a)

28. 数组的方根的运算（立方）

np.power(a,3)

数组切片和索引

29. 一维数组索引

a=np.array([2,4,6,8,10])
a[0], a[3], a[-1]

30. 一维数组切片

a[:3]   //从头取三个数
a[1:4]   //下标1取到下标为4但不包含下标4所对应的数
a[:-1]   //从头取到最后一个数，但不包含最后一个数

31. 二维数组索引

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

32. 二维数组切片（取第 2 列）

b[ :,-2]
//或者你用b[ :,1]也可以

33. 二维数组切片（取第 2，3 行）

b[1:3, :]

数组形状操作

示例数组：
a=np.random.rand(3,4)
34. 查看数组形状

a.shape

35. 更改数组形状（不改变原始数组）

a.reshape(4,3)

36. 更改数组形状（改变原始数组）

a.resize(4,3)

37. 展平数组

a.ravel()

38. 垂直拼合数组

np.vstack(a,b)

39. 水平拼合数组

np.hstack(a,b)

40. 沿横轴分割数组

np.hslipt(a,b)

41. 沿纵轴分割数组

np.vslipt(a,b)

数组排序

42. 返回每列最大值

np.max(a,axis=0)

43. 返回每行最小值

np.min(a,axis=1)

44. 返回每列最大值索引

np.argmax(a,axis=0)

45. 返回每行最小值索引

np.argmin(a,axis=1)

数组统计

46. 统计数组各列的中位数

np.median(a,axis=0)

47. 统计数组各行的算术平均值

np.mean(a,axis=1)

48. 统计数组各列的加权平均值

np.average(a,axis=0)

49. 统计数组各行的方差

np.var(a,axis=1)

50. 统计数组各列的标准偏差

np.std(a,axis=0)

后期还有一些进阶命令等待更新。。。。