专题机器学习和深度学习---1.python

最近很少写文章，打算把以前的机器学习和深度学习写一个专题，每天都要写一点，写在这里打个卡，也是督促自己。

总结下python。

1. python是一个脚本语言。
2. 常用的分析库/包
   （1）numpy :数组，矩阵
   （2）scipy : 统计、优化、线性代数、信号、图像处理等
   （3）pandas: 基于numpy，数据框，序列，数据处理，绘图
   （4）statsmodule 统计检验，统计建模
   （5）scikit-learn :数据变换，机器学习，交叉验证
   （6）matplotlib ：绘图
   (7) seaborn 高级统计制图包

在安装包的过程中，首先使用conda install pack_name
如果出现错误，再使用pip install pack_name

3. python六种基本数据类型
   （1）String
   (2)number
   （3）bool
   (4) time/datetime 时间 数值类型，可以进行加减运算
   （5）None
   (6)复数，这个我很少用到
4. Python常用数据结构
   (1)列表list，[] 里面元素可以不同
   (2)元组tuple
   (3)集合set
   (4)字典dict

5.np.r_ np.c_
np.r_是按列连接两个矩阵，就是把两矩阵上下相加，要求列数相等。
np.c_是按行连接两个矩阵，就是把两矩阵左右相加，要求行数相等。
如下例子：

>>> import numpy as np
>>> a=np.array([[1,2,3],[4,5,6]])
>>> a
array([[1, 2, 3],
       [4, 5, 6]])
>>> b=np.array([[7,8,9],[10,11,12]])
>>> b
array([[ 7,  8,  9],
       [10, 11, 12]])
>>> c=bp.c_[a,b]
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
NameError: name 'bp' is not defined
>>> c=np.c_[a,b]
>>> c
array([[ 1,  2,  3,  7,  8,  9],
       [ 4,  5,  6, 10, 11, 12]])
>>> c=np.r_[a,b]
>>> c
array([[ 1,  2,  3],
       [ 4,  5,  6],
       [ 7,  8,  9],
       [10, 11, 12]])
>>>

家可以订阅，一起探讨，学习。