机器学习常见中函数（自用）

一些看代码时遇到的函数，记录了自用
有的是详解，有的是概述，有的放了大佬的链接

numpy

np.Insert():

数据插入

np.linalg.inv()：

矩阵求逆

np中乘法np.dot，np.multiply(), 或 *

np.dot(A, B)：
同线性代数中矩阵乘法的定义，对于二维矩阵，计算真正意义上的矩阵乘积，同线性代数中矩阵乘法的定义。对于一维矩阵，计算两者的内积，与@一样
np.multiply(), 或 * ：
对应元素相乘

np.DataFrame()

转化成pandas的表格形式

class pandas.DataFrame(data=None, index=None, columns=None, dtype=None, copy=False)

argsort

从小到大排序后的索引值

数组中取整函数np.round, np.around, np.rint, np.ceil, np.floor, np.modf, np.trunc,np. fix

np.random.randint()

参数如下：

numpy.random.randint(low, high=None, size=None, dtype='l')

函数的作用是，返回一个随机整型数，其范围为[low, high)。如果没有写参数high的值，返回[0,low)的值。
low: int表示生成的数值大于等于low。
high: int (可选)，如果使用这个值，则生成的数值在[low, high)区间
size: (可选)，输出随机数组的尺寸，size默认为None，仅仅返回满足要求的单一随机数。
dtype: dtype(可选)：想要输出的格式。如int64、int等等
输出：返回一个随机数或随机数数组

np.random.randn()

以返回一个或一组服从标准正态分布的随机样本值
取值主要在-1.96~+1.96之间，当然也不排除存在较大值的情形，只是概率较小而已

np.mean(axis=0)

求平均值
axis=0表示输出矩阵是1行，也就是求每一列的平均值
axis=1表示输出矩阵是1列, 也就是求每一行的平均值**

链接: link.

astype：

转换数组的数据类型

np.logical_and/or/not

逻辑与/或/非

np.nditer()

有效的多维迭代器对象，可以遍历数组。
参数：
*op ： ndarray或array_like的序列。迭代的数组。
*flags ：str的序列，可选。用于控制迭代器行为的标志
“multi_index”导致跟踪多个索引或每个迭代维度一个索引元组。
*op_flags ： str列表，可选。这是每个操作数的标志列表。至少，必须指定“readonly”，“readwrite”或“writeonly”中的一个。
“readwrite”表示将读取和写入操作数。
等等。。
链接: link.

画图

xticks()和yticks()

改变横坐标和纵坐标上的刻度
其实就是把坐标轴变成你想要的样子

xticks(locs, [labels], **kwargs)  # Set locations and labels

链接: 链接.

其他

drop（）

drop,删除行、列,默认行:axis = 1,删除列,inplace=True，原数组名对应的内存值直接改变，=False原内存函数不改变，重新生成一个

一个*，两个*

表示的是将调用的多个参数放入元组

def test1(*p):
    print(p)
test1(1,2,3)#（1，2，3）

两个调用函数时的关键字参数放入一个字典中
代码如下：

def test2(**p):
    for i in p.items():
        print(i)
test2(x=1,y=2,z=3)
#('x', 1)
#('y', 2)
#('z', 3)