机器学习---- 关于numpy程序库的笔记_机器学习中reshape(2,5)-CSDN博客

本文链接：https://blog.csdn.net/lzg13663472636/article/details/81158315

一、np.array()

np.array()/1、参数一般是一个列表，可以将一个列表转换为多维数组。为什么要将列表转换为数组呢？因为列表中存储的是对象类型，如果是单一的类型，没有必要用列表，因为这样会浪费存储空间，同时也方便运算。

nparr = np.array([i for i in range(10)])
nparr 
结果：
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

2、想要查看数组中存储的数据类型可通过.dtype来查看。如果数据中有浮点数，则整数也转化为浮点数类型。

nparr2 = np.array([1,2,3.0])
nparr2.dtype
结果：
dtype('float64')

3、还可以通过方法来直接创建特殊的数组（注意，通过这些方法创建的数组，其中的填充数据默认类型都为float），如下：

np.zeros(10)：创建一个一维的0数组，若想要创建int型，要显示声明dtype=int，即：np.zeros(10,dtype = int)。
np.zeros((3,5))：创建一个多维的0数组。3为行，5为列。创建int型：np.zeros(shape = (3,5),dtype = int)
np.ones(10)：创建一个一维的1数组。
np.ones((3,5))：创建一个多维的1数组。3为行，5为列。
np.full(shape = (3,5),fill_value=666)：创建3行5列的数组，数据类型为int。
np.full(shape = (3,5),fill_value=666.0)：创建3行5列的数组，数据类型为float。

4、np.array的基本操作（x为数组）

.x.ndim：查看数组的维度
x.shape：查看数组的行数和列数，以元组的形式返回
x.size：返回数组中数据的个数

二、np.arange()

1、创建列表我们可以直接用range。

[i for i in range(0,20,2)]
结果：
[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]

0和20是指：从0开始但不包括20，2为步长。

2、np提供了np.arange(）这个方法可以直接创建数组，用法同range差不多。传入前两个参数，默认步长为1；传入一个参数，则是指从0开始，到所传的参数，步长为1。

np.arange(0,20,2)
结果：
array([ 0,  2,  4,  6,  8, 10, 12, 14, 16, 18])

np.arange(0,10)
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

np.arange(10)
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

三、np.linspace

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

其中0为起始数，20为终止数，11是将0到20（包括20）以平均步长分为11个数。默认类型为float。

四、np.random

np中也封装了对随机数产生的方法。

np.random.randint(0,10,size = 10)：产生10个0到10的整型数，以一维数组的形式保存。（size可省略）
np.random.randint(0,10,size=(3,5))：产生3行5列的0到10 的随机数组。
np.random.random()：产生一个0到1之间的随机数。
np.random.random(10)：产生10个0到1之间的随机数，以一维数组的形式保存。
np.random.random((3,5))：产生3行5列的0到1的随机数组。
np.random.normal(mean,stdev,size)：给出均值为mean，标准差为stdev的高斯随机数（场），当size赋值时，例如：size=100，表示返回100个高斯随机数。

五、np.reshape

np.reshape()可以将一个一维数组分割为多维数组，或者对它进行转置。

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(2,5)将数组分割为2行5列的多维数组。如果不能分割，则会报错。

x.reshape(5,-1)
array([[0, 1],
       [2, 3],
       [4, 5],
       [6, 7],
       [8, 9]])
x.reshape(-1,5)
array([[0, 1, 2, 3, 4],
       [5, 6, 7, 8, 9]])

-1则是表明为任意行或者列，控制数组形状的为另一个参数。

原创请注明：https://blog.csdn.net/lzg13663472636/article/details/81158315