机器学习常用的numpy方法总结

更新中~

np.mean()

求平均值，注意axis=0代表的是求每一列的平均值，axis=1是求每一行的平均值，这里的axis不要死记硬背，其实很容易记住，后面增加说明。不指定axis就默认对所有元素进行均值操作。

import numpy as np

a = np.arange(0, 20).reshape(4, -1)
print(a)

b = a.mean(axis=0)
print(b)

c = a.mean(axis=1)
print(c)

输出

[[ 0  1  2  3  4]
 [ 5  6  7  8  9]
 [10 11 12 13 14]
 [15 16 17 18 19]]
[ 7.5  8.5  9.5 10.5 11.5]
[ 2.  7. 12. 17.]

那么高维的是啥情况呢？

import numpy as np

a = np.arange(0, 20).reshape(2, 2, -1)
print(a)

b = a.mean(axis=0)
print(b)

c = a.mean(axis=1)
print(c)

d = a.mean(axis=2)
print(d)

输出

[[[ 0  1  2  3  4]
  [ 5  6  7  8  9]]

 [[10 11 12 13 14]
  [15 16 17 18 19]]]
[[ 5.  6.  7.  8.  9.]
 [10. 11. 12. 13. 14.]]
[[ 2.5  3.5  4.5  5.5  6.5]
 [12.5 13.5 14.5 15.5 16.5]]
[[ 2.  7.]
 [12. 17.]]

可见axis控制了经过均值运算之后要消失的那个维度。axis为0的时候，行（第0维）会消失（加入计算最终合并成均值），只保留每一列的信息，所以是按列求均值。axis为2的时候，第三维的信息会消失，所以最后的结果是2x2的形式，2x2个结果中的每一个元素自然就是消失的那一维上每5个元素求一个平均值了。

np.loadtxt()

加载csv文件（csv从某种意义上说也属于txt文件），loadtxt主要的参数有delimiter和dtype。delimiter功能类似于split，一般csv文件的分隔符是逗号，演示如下，一共50行这样的数

data = np.loadtxt('./data.csv', delimiter=',')

读到的data的信息就是

如果不设置任何参数，直接读这个文件，就会报错，因为loadtxt默认返回的是float类型的数据。而逗号也会被读到，所以就会报错，这时候就需要设置dtype来确定返回数据的类型。还是上面的文件，如果这么读取，就不会报错

data = np.loadtxt('./data.csv', dtype=str)

这样读到的就是

np.random.normal()

生成正态分布的数据，三个默认参数，第一个loc代表均值，第二个scale代表标准差，第三个size代表生成的数据分布的shape。

import numpy as np

a = np.random.normal(0, 1, (50, 50))

print(a.mean())
print(a.var())

输出为

-0.006853902270127236
1.0190338369486729

np.where()

简单的判别函数，但是注意返回值是一个元组，元组的第一个元素是array（索引），第二个元素是array中的数值类型

import numpy as np

y = np.array([1, 1, 0, 0, 1, 1])

pos = np.where(y == 1)
print(type(pos[0]))
print(type(pos))
print(pos)

输出

<class 'numpy.ndarray'>
<class 'tuple'>
(array([0, 1, 4, 5], dtype=int64),)

如果是二维的，则一个array返回第一维坐标，一个array返回第二维坐标

import numpy as np

y = np.array([[1.0, 1.0, 0, 0, 1.0, 1.0], [1.0, 1.0, 0, 0, 1.0, 1.0], [1.0, 1.0, 0, 0, 1.0, 1.0]])
print(y)
pos = np.where(y == 1.0)
print(type(pos[0]))
print(type(pos))
print(pos)

输出为

[[1. 1. 0. 0. 1. 1.]
 [1. 1. 0. 0. 1. 1.]
 [1. 1. 0. 0. 1. 1.]]
<class 'numpy.ndarray'>
<class 'tuple'>
(array([0, 0, 0, 0, 1, 1, 1, 1, 2, 2, 2, 2], dtype=int64), array([0, 1, 4, 5, 0, 1, 4, 5, 0, 1, 4, 5], dtype=int64))

np.ravel()&np.flatten()

两个函数都是将多维的数组铺平成一维的数组，但是两者的区别是返回拷贝还是返回视图，就是说ravel返回的东西，修改后会影响原数组，flatten返回的东西，修改后就不会影响原数组。

np.c_&np.r_

np.r_是按列连接两个矩阵，就是把两矩阵上下拼接，要求列数相等。
np.c_是按行连接两个矩阵，就是把两矩阵左右拼接，要求行数相等。

import numpy as np
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
c = np.c_[a,b]

print(np.r_[a,b])
print(c)
print(np.c_[c,a])

输出

[1 2 3 4 5 6]

[[1 4]
 [2 5]
 [3 6]]
 
[[1 4 1]
 [2 5 2]
 [3 6 3]]

np.meshgrid()

一般在分类结果可视化的时候常用，快速生成坐标矩阵，然后根据判别边界划分坐标矩阵中的所有的点。

x = np.linspace(0,1000,20)
y = np.linspace(0,500,20)
X,Y = np.meshgrid(x, y)

# 或者当已知x和y的范围的时候
x, y = np.meshgrid(np.arange(x_min, x_max, 0.02), np.arange(y_min, y_max, h))

已知范围时x输出结果为：

array([[0.5 , 0.52, 0.54, ..., 7.34, 7.36, 7.38],
       [0.5 , 0.52, 0.54, ..., 7.34, 7.36, 7.38],
       [0.5 , 0.52, 0.54, ..., 7.34, 7.36, 7.38],
       ...,
       [0.5 , 0.52, 0.54, ..., 7.34, 7.36, 7.38],
       [0.5 , 0.52, 0.54, ..., 7.34, 7.36, 7.38],
       [0.5 , 0.52, 0.54, ..., 7.34, 7.36, 7.38]])

y输出结果为：

array([[-0.4 , -0.4 , -0.4 , ..., -0.4 , -0.4 , -0.4 ],
       [-0.38, -0.38, -0.38, ..., -0.38, -0.38, -0.38],
       [-0.36, -0.36, -0.36, ..., -0.36, -0.36, -0.36],
       ...,
       [ 2.94,  2.94,  2.94, ...,  2.94,  2.94,  2.94],
       [ 2.96,  2.96,  2.96, ...,  2.96,  2.96,  2.96],
       [ 2.98,  2.98,  2.98, ...,  2.98,  2.98,  2.98]])

之后生成一个一个坐标点

np.c_[xx.ravel(), yy.ravel()]

输出为

array([[ 0.5 , -0.4 ],
       [ 0.52, -0.4 ],
       [ 0.54, -0.4 ],
       ...,
       [ 7.34,  2.98],
       [ 7.36,  2.98],
       [ 7.38,  2.98]])

然后依次判断每个坐标点属于哪一类，上色，之后画出来，判别边界就显得非常清晰了。

# z是每一个坐标点的类别，是一个一维array，按x的shape重排正好对应上
z = z.reshape(x.shape)
plt.pcolormesh(x, y, z, cmap=plt.cm.Paired)