1、shape函数是numpy.core.fromnumeric中的函数,它的功能是查看矩阵或者数组的维数。
eg:
建立一个3×3的单位矩阵Z, Z.shape为(3,3),表示3行3列,第一维的长度为3,第二维的长度也为3
>>> Z = eye(3)
>>> Z
array([[ 1., 0., 0.],
[ 0., 1., 0.],
[ 0., 0., 1.]])
>>> Z.shape
(3, 3)
建立一个一维矩阵X, X.shape 为矩阵的长度
>>> X =array([1,2,3,4])
>>> X.shape
(4,)
#可以简写
>>> shape([1,2,3,4])
(4,)
>>>
建立一个4×2的矩阵Y, Y.shape[0] 为第一维的长度,Y.shape[1] 为第二维的长度。
>>> Y = array([[1,1],[1,2],[1,3],[1,4]])
>>> Y.shape
(4, 2)
>>> Y.shape[0]
4
>>> Y.shape[1]
2
一个单独的数值,返回值为空
>>> shape(3)
()
2、np.power()用于数组元素求n次方。
3、Dataframe.insert(loc, column, value, allow_duplicates=False): 在Dataframe的指定列中插入数据。
参数介绍:
loc: int型,表示第几列;若在第一列插入数据,则 loc=0
column: 给插入的列取名,如 column='新的一列'
value:数字,array,series等都可(可自己尝试)
allow_duplicates: 是否允许列名重复,选择Ture表示允许新的列名与已存在的列名重复。
#创建数据
In [165]:data=pd.DataFrame(np.arange(16).reshape(4,4), columns=list('abcd'))
In [166]:data
Out[166]:
a b c d
0 0 1 2 3
1 4 5 6 7
2 8 9 10 11
3 12 13 14 15
#在第一列插入一列,取名'haha'
In [167]: data.insert(loc=0,column='haha',value=6)
In [168]: data
Out[168]:
haha a b c d
0 6 0 1 2 3
1 6 4 5 6 7
2 6 8 9 10 11
3 6 12 13 14 15
#在第一列插入一列,取名'haha'(重复选择允许)
In [169]: data.insert(loc=0,column='haha',value=6,allow_duplicates=True)
In [170]: data
Out[170]:
haha haha a b c d
0 6 6 0 1 2 3
1 6 6 4 5 6 7
2 6 6 8 9 10 11
3 6 6 12 13 14 15
4、mean() 函数定义:
numpy.mean(a, axis, dtype, out,keepdims )
mean()函数功能:求取均值
经常操作的参数为axis,以m * n矩阵举例:
axis 不设置值,对 m*n 个数求均值,返回一个实数
axis = 0:压缩行,对各列求均值,返回 1* n 矩阵
axis =1 :压缩列,对各行求均值,返回 m *1 矩阵
例子:
数组的操作:
>>> a = np.array([[1, 2], [3, 4]])
>>> a
array([[1, 2],
[3, 4]])
>>> np.mean(a)
2.5
>>> np.mean(a, axis=0) # axis=0,计算每一列的均值
array([ 2., 3.])
>>> np.mean(a, axis=1) # 计算每一行的均值
array([ 1.5, 3.5])
>>>
矩阵的操作
>>> import numpy as np
>>> num1 = np.array([[1,2,3],[2,3,4],[3,4,5],[4,5,6]])
>>> num1
array([[1, 2, 3],
[2, 3, 4],
[3, 4, 5],
[4, 5, 6]])
>>> num2 = np.mat(num1)
>>> num2
matrix([[1, 2, 3],
[2, 3, 4],
[3, 4, 5],
[4, 5, 6]])
>>> np.mean(num2) # 对所有元素求均值
3.5
>>> np.mean(num2,0) # 压缩行,对各列求均值
matrix([[ 2.5, 3.5, 4.5]])
>>> np.mean(num2,1) # 压缩列,对各行求均值
matrix([[ 2.],
[ 3.],
[ 4.],
[ 5.]])
>>>
5、关于ML
tensorflow-gpu一定要用pip下载,conda下载会出错!!!