Numpy
notebook数据预处理与可视化时方便
IDE的话debug方便、
anaconda search -t conda tensorflow
anaconda show 目标package
Numpy 矩阵计算
numpy IO
numpy.array声明一维数组,二维矩阵 .shape查看特征 array里的数据都是同种类型,int32与float64 用索引取数据 切片,取行取列
vector == 10 布尔值也可以当初索引
& | .astype(float)转换值类型 .min() .sum(axis=1/0)
## 常用函数
arange.reshape() .ndim .size np.ones() np.zeros() 序列
随机
random.random((2,3))
linspace() 平均取东西
A.dot(B) 矩阵乘法 A*B 对应值相乘
floor 向下取整 ravel() 将矩阵拉平
.shape=(4,2) .hstack((a,b))横着拼接 vstack纵着拼,也就是增加样本量
hsplit(a,3)平分三份 id(a) id(b) c = view(a)浅复制 ,虽然指的位置不一样,但两者内容会同步改变。 .copy() 深复制,复制后不一样了,各改各的
argmax 取最大值的索引 tile(a,(4,3)) sort(a, axis=1) argsort(a) 取排序的索引值
import numpy as np
vector = np.array([5,10,15,20.4])
matrix = np.array([[5,10,15],[10,20,30],[30,40,50]])
vector == 10
equal_to_20 = (matrix == 20)
print(matrix[equal_to_20])
print(vector.shape)
print(vector.dtype)