20220105
https://blog.csdn.net/qq_40760163/article/details/89306903
矩阵乘积和对应元素相乘
https://blog.csdn.net/xienan_ds_zj/article/details/86738316
np.matrix之后才能通过.I求逆
矩阵求逆
20210729
https://mp.weixin.qq.com/s/D8s663JMZpxeApG1UcECdA
Numpy闯关100题,我闯了95关。
对于数据分析和机器学习使用Python进行分析的过程中,必然要用到Pandas、Numpy和Matplotlib。针对pandas和matplotlib也都有总结过,今天就来总结一下numpy的日常用法,对数据分析的效率有很大的帮助。
对于numpy的使用在官方文档里面有很多使用方法,但是日常使用的,尤其在机器学习数据预处理环节也就那么几种常规使用,只要会了这些就足够你日常业务数据分析和数据挖掘使用了。对于特殊的可以单独再根据需要从官方文档中进行学习。
Numpy库导入方法:import numpy as np
针对numpy的别名可以自己任意设定,一般使用np比较通用,方便大家理解。
import numpy as np
array=np.array([1,2,3,4])
print(type(array))
#输出:<class 'numpy.ndarray'>
可以从输出看出numpy的数据类型是ndarray数据类型,可以理解为数据、向量或者矩阵。
整体Numpy的知识框架如下:
详细方法如下:
1、创建数据集相关属性
此部分主要是针对Numpy的多维数据创建和常用的了解数据基本现状的方法,同时对于创建一些特殊的数组,如全0、全1、单位矩阵等常用方法。
2、矩阵计算
此部分主要是针对单个和两个矩阵进行加减乘除、转置等处理。
3、切片和索引
此部分主要是在对数据进行处理的时候,需要获取指定值的索引,矩阵块的获取,还可以通过bool索引进行切片。
4、扩展与分解
主要用在矩阵合并和矩阵分解。
5、随机模块
此部分主要是可以按照不同的随机条件生成不同的数据矩阵。
6、其它
此部分补充一下矩阵元素的排序。
以上就是Numpy日常会用到的所有知识点和方法,大家可以根据自己的数据分析和挖掘重点进行学习和完善,希望对大家有帮助的话可以点赞收藏。