Python零碎小知识随记

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！！！