机器学习一

tile函数    

    在看机器学习实战这本书时，遇到numpy.tile(A,B)函数，愣是没看懂怎么回事，装了numpy模块后，实验了几把，原来是这样子：

重复A，B次，这里的B可以时int类型也可以是元组类型。

1. >>> import numpy  
2. >>> numpy.tile([0,0],5)#在列方向上重复[0,0]5次，默认行1次  
3. array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0])  
4. >>> numpy.tile([0,0],(1,1))#在列方向上重复[0,0]1次，行1次  
5. array([[0, 0]])  
6. >>> numpy.tile([0,0],(2,1))#在列方向上重复[0,0]1次，行2次  
7. array([[0, 0],  
8.        [0, 0]])  
9. >>> numpy.tile([0,0],(3,1))  
10. array([[0, 0],  
11.        [0, 0],  
12.        [0, 0]])  
13. >>> numpy.tile([0,0],(1,3))#在列方向上重复[0,0]3次，行1次  
14. array([[0, 0, 0, 0, 0, 0]])  
15. >>> numpy.tile([0,0],(2,3))<span style="font-family: Arial, Helvetica, sans-serif;">#在列方向上重复[0,0]3次，行2次</span>  
16. array([[0, 0, 0, 0, 0, 0],  
17.        [0, 0, 0, 0, 0, 0]])  

zeros函数

zeros：创建3维数组，数值为0

[python]  view plain copy print ?

1. >>> np.zeros((3,4,5))#  
2. array([[[ 0.,  0.,  0.,  0.,  0.],  
3.         [ 0.,  0.,  0.,  0.,  0.],  
4.         [ 0.,  0.,  0.,  0.,  0.],  
5.         [ 0.,  0.,  0.,  0.,  0.]],  
6.   
7.        [[ 0.,  0.,  0.,  0.,  0.],  
8.         [ 0.,  0.,  0.,  0.,  0.],  
9.         [ 0.,  0.,  0.,  0.,  0.],  
10.         [ 0.,  0.,  0.,  0.,  0.]],  
11.   
12.        [[ 0.,  0.,  0.,  0.,  0.],  
13.         [ 0.,  0.,  0.,  0.,  0.],  
14.         [ 0.,  0.,  0.,  0.,  0.],  
15.         [ 0.,  0.,  0.,  0.,  0.]]])  

多维数组与矩阵的转换

[python]  view plain copy print ?

1. >>> arr = np.zeros((1,4,5))#记得维度必须匹配(3,3,3)转换失败  
2. >>> mat = np.matrix(arr)  

数组创建和数据类型

[python]  view plain copy print ?

1. #!/usr/bin/env python  
2. #-*-encoding:utf-8-*-  
3. import numpy as np  
4. arr = np.arange(10)#创建拥有10个元素的数组  
5. larr = arr.tolist()#转换list  
6. arr = np.zeros((1,3,3))#创建n维数组  
7. mat = np.matrix(arr)#将数组转换为矩阵,矩阵为3*3  
8. alist = [1, 2, 3]  
9. np.array(alist)#使用List创建数组  
10. #创建  
11. arr = np.arange(100)  
12. arr = np.arange(10,100)#创建包含10~99数组  
13. arr = np.linspace(1, 2, 100)#创建包含100个取值范围在1~2之间的数组  
14. arr = np.logspace(0, 1, 100, base=10)#返回包含100个取值范围在10+[0~1]之间的数组  
15. cube = np.zeros((5,5,5)).astype(int) + 1 #使用astype设置数据类型  
16. cube = np.ones((5, 5, 5)).astype(np.float32)#创建3维数组，元素为1  
17. #通过指定数据类型创建n维数组数组  
18. arr = np.zeros(2, dtype=int)  
19. arr = np.zeros(2, dtype=np.float32)  
20. arr1d = np.arange(1000)#一维数组  
21. arr3d = arr1d.reshape((10,10,10))#转换为3维数组  
22. arr3d = np.reshape(arr1d, (10, 10, 10))  
23.   
24. arr4d = np.zeros((10, 10, 10, 10))  
25. arr1d = arr4d.ravel()#将4维数组转换为1维数组  
26.   
27. recarr = np.zeros((2,), dtype=('i4,f4,a10'))#指定n维数组中每列的数据类型,2*3  
28. col1 = np.arange(2) + 1  
29. col2 = np.arange(2, dtype=np.float32)  
30. col3 = ['Hello', 'World']  
31. recarr[:]=zip(col1,col2,col3)#按列方式组装  
32. #为每列命名  
33. recarr.dtype.names = ('Integers' , 'Floats', 'Strings')<span style="font-size:14px;">  
34. </span>  

索引和切片

[python]  view plain copy print ?

1. arr[0,1]#访问单个元?  
2. arr[:,1]#访问第2列    
3. arr[1,:]#访问第2行    

[python]  view plain copy print ?

1. arr = np.arange(7)  
2. index = np.where(arr > 2)#查找>2的索引  
3. new_arr = np.delete(arr, index)#删除index对应的元素  

[python]  view plain copy print ?

1. index = arr > 2 #返回哪些元素>2,[TRUE,FALSE,...]  

布尔表达式和数组

[python]  view plain copy print ?

1. img1 = np.zeros((20, 20)) + 3  
2.   
3. img1[4:-4, 4:-4] = 6  
4. img1[7:-7, 7:-7] = 9  
5. index1 = img1 > 2  
6. index2 = img1 < 6  
7. compound_index = index1 & index2 #exp1  
8. compound_index = (img1 > 3) & (img1 < 7) #与expr1含义一样  
9. img2 = np.copy(img1[compound_index])  
10. print img2  
11.   
12. index3 = img1 == 9  
13. index4 = (index1 & index2) | index3  

[python]  view plain copy print ?

1. import numpy.random as rand  
2.   
3. a = rand.random(100)#生成一个容纳100个随机数的数组  
4. print a  

序列化和反序列化

[python]  view plain copy print ?

1. #预定义数据栏位名称和类型  
2. table = np.loadtxt('example.txt',dtype='names': ('ID', 'Result', 'Type'),\  
3.     'formats': ('S4', 'f4', 'i2'))  
4. np.savetxt('somenewfile.txt')#序列化  
5. #二进制文件加载，保存  
6. data = np.empty((1000, 1000))  
7. np.save('test.npy', data)  
8. np.savez('test.npz', data)#采用压缩  
9. newdata = np.load('test.npy')     

Max和Min函数

[python]  view plain copy print ?

1. mat.max(0)#n维数组axis=0维度的最小值，最大值  
2. mat.min(0)#