liuyubobobo《机器学习》学习笔记（四）

numpy和matplotlib (1)

---

1.如何创建一个numpy.array?

import numpy as np
nparr = np.array([i for i in range(10)])
# array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
nparr.dtype
# dtype('int32')

其他的创建方式

• zeros()

  np.zeros(10, dtype=int)
  # array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0])
  np.zeros(shape=(3, 5), dtype=int)
  # array([[0, 0, 0, 0, 0],
  #        [0, 0, 0, 0, 0],
  #        [0, 0, 0, 0, 0]])
  

• ones()

  np.ones(shape=(3, 5))
  # array([[1., 1., 1., 1., 1.],
  #        [1., 1., 1., 1., 1.],
  #        [1., 1., 1., 1., 1.]])
  

• full()

  np.full(shape=(3, 5), fill_value=666)
  # array([[666, 666, 666, 666, 666],
  #        [666, 666, 666, 666, 666],
  #        [666, 666, 666, 666, 666]])
  

• arange()

  np.arange(0, 20, 2)   # 参数同range()
  # array([ 0,  2,  4,  6,  8, 10, 12, 14, 16, 18])
  np.arange(0, 1, 0.2)  # 步长可以是浮点数
  # array([0. , 0.2, 0.4, 0.6, 0.8])
  

• linspace()

  numpy.linspace(a, b, n) 在[a, b]中等长截取n个点，包括a和b

  np.linspace(0, 10, 4)
  # array([ 0.        ,  3.33333333,  6.66666667, 10.        ])
  np.linspace(0, 20, 11)
  # array([ 0.,  2.,  4.,  6.,  8., 10., 12., 14., 16., 18., 20.])
  

2.numpy.random随机数

• randint() 产生整型

  np.random.randint(0, 10)   # [a, b)
  # 8
  np.random.randint(0, 10, size=10)
  # array([8, 5, 3, 7, 7, 3, 5, 0, 6, 6])
  np.random.randint(0, 10, size=(3, 5))
  # array([[3, 1, 7, 1, 7],
  #        [4, 3, 9, 0, 9],
  #        [5, 4, 5, 7, 9]])
  

• seed() 随机种子：使随机产生的数固定

  np.random.seed(66)
  

• random() 产生[0.0, 1.0)浮点型

  np.random.random((3, 5))
  # array([[0.18125584, 0.20119264, 0.99774266, 0.77945293, 0.17220228],
  #        [0.06591739, 0.7000292 , 0.00930508, 0.99817484, 0.63435204],
  #        [0.27645231, 0.40791282, 0.94273693, 0.07972615, 0.36777773]])
  

• normal() 符合正态分布地产生浮点数

  np.random.normal()     # N(0, 1)
  # -0.3460568787534331
  np.random.normal(100, 50)    # N(100, 2500)
  # 122.21749887519869
  np.random.normal(100, 50, size=3)
  # array([ 30.63267858,  78.09580145, 110.53398345])
  

3.numpy.array的属性

• ndim：维度，返回int
• shape：形状，返回tuple
• size：元素个数，返回int

X
# array([[3, 1, 7, 1, 7],
#        [4, 3, 9, 0, 9],
#        [5, 4, 5, 7, 9]])
X.ndim
# 2
X.shape
# (3, 5)
X.size
# 15

4.reshape()

x
# array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
x.reshape(2, 5)
# array([[0, 1, 2, 3, 4],
#        [5, 6, 7, 8, 9]])
x.reshape(-1, 10)    # -1表示根据列数自动判断行数，必须整除！！
# array([[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]])

5.numpy数组/矩阵的合并与分割

• concatenate() 合并，只支持向量+向量，或矩阵+矩阵

  x
  # array([0, 1, 2])
  y
  # array([2, 1, 0])
  np.concatenate([x, y])
  # array([0, 1, 2, 2, 1, 0])
  

  A
  # array([[0, 1, 2],
  #        [3, 4, 5]])
  np.concatenate([A, A])
  # array([[0, 1, 2],
  #        [3, 4, 5],
  #        [0, 1, 2],
  #        [3, 4, 5]])
  np.concatenate([A, A], axis=1)     # axis默认为0，竖直合并；axis=1水平合并
  # array([[0, 1, 2, 0, 1, 2],
  #        [3, 4, 5, 3, 4, 5]])
  

• vstack() 竖直合并

• hstack() 水平合并

  更加灵活，支持“矩阵+向量”的合并

  z
  # array([666, 666, 666])
  np.vstack([A, z])
  # array([[  0,   1,   2],
  #        [  3,   4,   5],
  #        [666, 666, 666]])
  y
  # array([[0],
  #        [1]])
  np.hstack([A, y])
  # array([[0, 1, 2, 0],
  #        [3, 4, 5, 1]])
  

• split() 分割

  x
  # array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
  x1, x2, x3 = np.split(x, [3, 7])
  # x1 array([0, 1, 2])
  # x2 array([3, 4, 5, 6])
  # x3 array([7, 8, 9])
  np.split(x, [2])
  # [array([0, 1]), array([2, 3, 4, 5, 6, 7, 8, 9])]
  

  A
  # array([[ 0,  1,  2,  3],
  #        [ 4,  5,  6,  7],
  #        [ 8,  9, 10, 11],
  #        [12, 13, 14, 15]])
  np.split(A, [2])
  # [array([[0, 1, 2, 3],
  #         [4, 5, 6, 7]]),
  #  array([[ 8,  9, 10, 11],
  #         [12, 13, 14, 15]])]
  np.split(A, [2], axis=1)
  # [array([[ 0,  1],
  #         [ 4,  5],
  #         [ 8,  9],
  #         [12, 13]]),
  #  array([[ 2,  3],
  #         [ 6,  7],
  #         [10, 11],
  #         [14, 15]])]
  

• vsplit() 竖直分割

• hsplit() 水平分割

  np.vsplit(A, [2])
  # [array([[0, 1, 2, 3],
  #         [4, 5, 6, 7]]),
  #  array([[ 8,  9, 10, 11],
  #         [12, 13, 14, 15]])]
  np.hsplit(A, [2])
  # [array([[ 0,  1],
  #         [ 4,  5],
  #         [ 8,  9],
  #         [12, 13]]),
  #  array([[ 2,  3],
  #         [ 6,  7],
  #         [10, 11],
  #         [14, 15]])]