Numpy库在机器学习算法中常用函数

NumPy库总包含两种基本的数据类型：矩阵和数组，矩阵的使用类似Matlab，本实例用得多的是数组array。

shape()

shape是numpy函数库中的方法，用于查看矩阵或者数组的维素

>>>shape(array) 若矩阵有m行n列，则返回(m,n)

>>>array.shape[0] 返回矩阵的行数m，参数为1的话返回列数n

tile()

tile是numpy函数库中的方法，用法如下:

>>>tile(A,(m,n))  将数组A作为元素构造出m行n列的数组

sum()

sum()是numpy函数库中的方法

>>>array.sum(axis=1)按行累加，axis=0为按列累加

argsort()

argsort()是numpy中的方法，得到矩阵中每个元素的排序序号

>>>A=array.argsort()  A[0]表示排序后 排在第一个的那个数在原来数组中的下标

dict.get(key,x)

python中字典的方法，get(key,x)从字典中获取key对应的value，字典中没有key的话返回0

sorted()

python中的方法

min()、max()

numpy中有min()、max()方法，用法如下

>>>array.min(0)  返回一个数组，数组中每个数都是它所在列的所有数的最小值

>>>array.min(1)  返回一个数组，数组中每个数都是它所在行的所有数的最小值

listdir('str')

python的operator中的方法

>>>strlist=listdir('str')  读取目录str下的所有文件名，返回一个字符串列表

split()

python中的方法，切片函数

>>>string.split('str')以字符str为分隔符切片，返回list

a=np.zeros((m,n), dtype=np.int) #创建数据类型为int型的大小为m*n的零矩阵 赋值的时候要指定a[0,k]=*指第0行第k个元素的赋*值