Python教程：进击机器学习（三）--Numpy

Creating and manipulating numerical data！

本期开始进入机器学习正题，首先是学习使用Numpy，通过调用Numpy库来处理数学计算。Numpy库比起Python代码相比，不仅构建多维数组和科学计算更加方便，还更加接近硬件，可以达到更高的计算效率，这也是我们为什么要用Numpy来进行数学计算。

Numpy数组

构建Numpy数组很简单，只需调用array()函数，我们一般会把numpy别名设置为np，方便频繁调用Numpy里面的函数。

>>> import numpy as np
>>> a = np.array([0, 1, 2, 3])
>>> a
array([0, 1, 2, 3])

我们构建的是一个一维数组，我们可以通过调用对象的成员的ndim和shape分别查看维度和形状：

>>> a.ndim
1
>>> a.shape
(4,)

假如创建一个三维数组：

>>> b = np.array([[0, 1, 2], [3, 4, 5]])    # 2 x 3 array
>>> b
array([[0, 1, 2], [3, 4, 5]])
>>> b.ndim
2
>>> b.shape
(2, 3)

但是我们一般都不会输入每个值来创建数组，我们可以通过一些函数来生成数组，例如生成均等分布的一维数组：

>>> b = np.arange(1, 9, 2) # 开始, 结束 (除外), 步数
>>> b
array([1, 3, 5, 7])

例如均等采样：

>>> c = np.linspace(0, 1, 6)   # 开始, 结束, 采样个数
>>> c
array([ 0. ,  0.2,  0.4,  0.6,  0.8,  1. ])

还有一些其他生成数组的函数，np.ones()生成值全为一的数组、np.zeros()值全为零、np.random.rand()均匀分布、np.random.randn()高斯分布等。

我们在生成数组的同时可以指定数值的类型，只需加一个函数里添加参数：

>>> c = np.array([1, 2, 3], dtype=float)
>>> c.dtype
dtype('float64')

Numpy对数组的操作（索引和切分）跟Python对列表的操作相同。

Numpy帮助

如果需要找Numpy某个函数的使用帮助，只需要在函数名后面加个？例如：

In [5]: np.array?
String Form:<built-in function array>
Docstring:　array(object, dtype=None, copy=True, order=None, subok=False, ndmin=0, ...

但如果不知道函数名，想找到某个功能的函数，可以使用如下方法：

>>> np.lookfor('create array')
Search results for 'create array'
---------------------------------
numpy.array
    Create an array.
numpy.memmap
    Create a memory-map to an array stored in a *binary* file on disk.

或者你只是知道函数名的一部分，可以这样使用：

In [6]: np.con*?
np.concatenate
np.conj
np.conjugate
np.convolve

记得你在调用Numpy函数时确保你已经导入Numpy库，即:

import numpy as np

Numpy高级操作

对多项式的操作，例如

>>> p = np.poly1d([3, 2, -1])
>>> p(0)
-1

更多关于Numpy多项式http://docs.scipy.org/doc/numpy/reference/routines.polynomials.poly1d.html

Numpy导入数据

如果是文本数据，比如说txt文件：

# year hare lynx carrot
1900 30e3 4e3 48300
1901 47.2e3 6.1e3 48200
1902 70.2e3 9.8e3 41500
1903 77.4e3 35.2e3 38200

导入这个文件，用np.loadtxt(), Numpy会返回一个数组

>>> data = np.loadtxt('data/populations.txt')
>>> data    
array([[  1900.,  30000.,   4000.,  48300.],
       [  1901.,  47200.,   6100.,  48200.],
       [  1902.,  70200.,   9800.,  41500.],
...

相反，如果要保存数据的话只需：

>>> np.savetxt('test.txt', data)

如果数据是图片的话，建议使用Matplotlib工具来导入，下一期会详细介绍这个工具。例如：

只需要导入Matplotlib里面的pyplot，就可对图像进行操作：

>>> from matplotlib import pyplot as plt
>>> img = plt.imread('data/elephant.png')
>>> img.shape, img.dtype
((200, 300, 3), dtype('float32'))
>>> plt.imshow(img)    `
<matplotlib.image.AxesImage object at ...>
>>> plt.savefig('plot.png')

不仅仅是文本和图片的格式，还有很多其他的格式，Numpy对格式的支持还不是特别丰富，我们后面会讲到Scipy就可以满足大部分的数据格式，包括对Matlab、NetCDF和HDF5格式的支持。

Numpy格式

其实Numpy也可以生成自己的数据格式，属于二进制的格式，理论上是比较高效的，以.npy为后缀。

>>> data = np.ones((3, 3))
>>> np.save('pop.npy', data)
>>> data3 = np.load('pop.npy')

这一期关于Numpy库就介绍到这里，讲得并不详细，但数组和数学计算才是Numpy的重点，想要继续深入了解的话查看官方文档：https://docs.scipy.org/doc/numpy-dev/user/quickstart.html
下一期将会介绍Python的绘图工具：Matplotlib

Ref：http://www.scipy-lectures.org/intro/numpy/index.html