Numpy的应用

Numpy是单独的一个包，需要安装，可以方便的处理矩阵方面的计算，主要是不需要循环了，对数据处理较方便，其中不熟悉的方法可以谷歌.numpy.方法名。便可以在线找到help文件，列出具体例子。

      

dataset = array([[1,1.2],[2,2.1],[3,3.1]])
datasetSize = dataset.shape[0]
diffMat = tile([3,2],(datasetSize,1)) -dataset
sqdiffMat = diffMat**2
sqDistance = sqdiffMat.sum(axis =1)

array 是Numpy中的一个方法，用列表形式生成数组或矩阵，第一行生成3×2的矩阵，行数3，列数2；

dataset.shape也是numpy中的数组可调用的方法，如果参数为0返回多维数组中的行数，1则返回多维数组的列数，如果是更多维的以此类推；

tile，英文单词是瓦片，瓷砖，有动词和名词两种用法，铺瓷砖，用在这里就是重复的构造数组。

帮助文档定义：numpy.tile(A, reps)，Construct an array by repeating A the number of times given by reps.

其中参数A是重复的内容，reps是重复的次数。该方法使用的细节还是让我费解的。

If reps has length d, the result will have dimension of max(d, A.ndim). 

例如：a = array([0,1,2])

 a.ndim = 1 

如果r = tile(a,2)，则array([0, 1, 2, 0, 1, 2])，因为d= 1, a.ndim = 1, max(d,A.ndim) = 1 

这个就是把列表[0,1,2],重复两次，变成列表[0,1,2,0,1,2].

If A.ndim < d, A is promoted to be d-dimensional by prepending new axes. So a shape (3,) array is promoted to (1, 3) for 2-D replication, or shape (1, 1, 3) for 3-D replication. If this is not the desired behavior, promote A to d-dimensions manually before calling this function.

例如： a = array([0,1])

       r = tile(a,(2,1))

因此此时a.ndim =1 ,而 len((2,1))=2, 出现了 A.ndim < d 的情况了。 

根据帮助文件的说明，A 依据预先设定的轴提升为d维度。在此即为2维，

r = array ( [ [0, 1],
                   0, 1]  ] ) 此时r 变成一个列表，每个元素又是一个列表。

第三种情况：

If A.ndim > d, reps is promoted to A.ndim by pre-pending 1’s to it. Thus for an A of shape (2, 3, 4, 5), a reps of (2, 2) is treated as (1, 1, 2, 2).

例如：a = array([[1,2],
      [2,3]]) 

    a.ndim =2 , r = tile(a,2)

   则r = array([[1, 2, 1, 2],
       [2, 3, 2, 3]])

这里是说reps被提升为A.ndim 用1, 这里不很明白？？？