数据分析与机器学习实战之python常用库

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)