机器学习入门4_numpy的运算与聚合

机器学习入门4_numpy的运算与聚合

import numpy as np

1. numpy数组的运算

用numpy创建和运算数组要比python本身创建和运算快很多

1.1【回顾】python中List的运算

python中list的加法和与数字的乘法实际上是字符串之间的相加（乘法也可看成是加法）

例子如下：

# Python中list加法和乘法的例子
A = [i for i in range(10)]
B = [i for i in range(15,20)]
print("this is A+B:",A+B)  # A,B数组的拼接
print("this is A*2:",A*2)  # 两个A的拼接
# print("this is A/2:",A/2) # 无法运算
# print("this is A-B:",A-B) # 无法运算

this is A+B: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 15, 16, 17, 18, 19]
this is A*2: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

1.2 numpy中array的运算

1.2.1 数组自身和数组与数字的运算

若X为np.array，解释下列运算的含义

• X+1,X-1, X*2, X/2, X//2, X**2,X%2
• np.sin(X), np.power(X,3),np.log(X),np.log2(X)，np.log10(X)

不熟悉的有： X//2, X**2,X%2，np.power(X,3),np.log(X),np.log2(X)

1.2.2 array的矩阵运算

X,Y都是numpy的array,矩阵的线代运算：

• Z=X.dot(Y) # 线代乘法
• Z=X.T # 转置
• Z=np.linalg.inv(X) # 求逆(方阵)
• Z=np.linalg.pinv(X) # 求广义逆（非方阵）
• Z=np.linalg.det(X) # 求行列式

此外还有特征值，特征向量，奇异值等，可自行百度

2. numpy中的聚合操作

所谓聚合，就是操作后，只剩一个数字。如求和，求最大最小值等

2.1 array聚合

这是对于array这个对象的方法，可以记忆为数组的最大值，最小值

• array.min()
• array.max()

2.2 numpy聚合

2.2.1 numpy聚合的一些方法

这是用numpy的方法对数组聚合，可以记忆为对这个数组求和，求积，求平均数，求标准差

• np.sum(arr) # arr为一个np.array
• np.prod(arr)
• np.std(arr)
• np.median(arr)
• np.var(arr)

还有一个比较特殊的特殊的方法：np.percentile

X = np.arange(100)
Y = X.reshape(4,-1)  
print(Y)
Z = np.percentile(Y,q = 40)  # 表示输出Z的第40%大的数，若把40改成50,则表示中位数
Z

[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]
 [12 13 14 15]]





6.0

2.3 关于轴

判断轴：

从最外部的方括号开始，为0轴。则其方向就为从上到下。

内部的方括号，为1轴，所以方向（单个方括号的方向）为从左到下右。

在运算时，是在顺着轴的方向运算，然后移动轴进行下一次运算，如算np.sum(A,0)时，是先加第一列，然后相加第二列，最后到第n列。

X = np.arange(20)
Y = X.reshape(4,-1)
print('Y array is: \n',Y)
print('Sum the 0 axis:')
Y0 = np.sum(Y,0)
print(Y0)
print('Sum the 1 axis:')
Y1 = np.sum(Y,1)
print(Y1)

Y array is: 
 [[ 0  1  2  3  4]
 [ 5  6  7  8  9]
 [10 11 12 13 14]
 [15 16 17 18 19]]
Sum the 0 axis:
[30 34 38 42 46]
Sum the 1 axis:
[10 35 60 85]

X = np.random.randint(0,30,20)
Y = X.reshape(4,-1)
print('Y array is: \n',Y)
print('Sort the 0 axis:')
Y0 = np.sort(Y,0)
print(Y0)
print('Sort the 1 axis:')
Y1 = np.sort(Y,1)
print(Y1)

Y array is: 
 [[ 9 13 10 23  5]
 [13 27  2 28 27]
 [21  9 13  9  0]
 [18 19 18  5 20]]
Sort the 0 axis:
[[ 9  9  2  5  0]
 [13 13 10  9  5]
 [18 19 13 23 20]
 [21 27 18 28 27]]
Sort the 1 axis:
[[ 5  9 10 13 23]
 [ 2 13 27 27 28]
 [ 0  9  9 13 21]
 [ 5 18 18 19 20]]