机器学习数据科学包（一）——numpy数据包

目录

1.numpy概述

2.矩阵构造方法：

3.矩阵形状维度相关方法：

4.矩阵基本操作

5.矩阵查找

6.矩阵遍历

7.矩阵合并

8.矩阵分割

9.矩阵浅拷贝与深拷贝

---

 

1.numpy概述

NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。

安装：python3 -m pip install numpy

导入：import numpy as np

2.矩阵构造方法：

• np.array(列表[，类型])                                               创建矩阵
• np.zeros((行，列)[，dype = np.int16])                       创建0矩阵
• np.ones((行，列)[，dype = np.int16])                        创建1矩阵
• np.empty((行，列)[，dype = np.int16])                      创建空矩阵（其实不能生成完全的空矩阵）
• np.eye(数字)                                                              创建单位阵
• np.diag([对角1，对角2...])                                         创建对角矩阵
• np.arange(起始，终止，步长)                                   创建数组
• np.linspace(起始，终止，段数)                                 创建线段
• np.random.randint(最小值, 最大值, (行,列))               创建整数随机矩阵
• np.random.random((行，列))                                     创建值为0-1随机矩阵

创建0矩阵

                                               

创建1矩阵

             

创建空矩阵（注意：不能生成完全空矩阵）

                                       

创建数组

                              

创建线段

                       

创建值为0-1随机矩阵

                    

3.矩阵形状维度相关方法：

• a[：，np.newaxis])           行增加维度
• a[np.newaxis，：])           列增加维度
• a.reshape(行，列)            重定义形状
• a.ndim()                            查看维度
• a.shape()                          查看形状
• a.size()                             查看容量
• a.dtype()                           查看类型
• a.flatten()                          将矩阵变为数组

创建矩阵并查看维度，形状，大小

           

查看类型

         

         

重定义形状

 

            

4.矩阵基本操作

• a+b、a-b                                                  按位相加减
• a*b/a**2                                                    按位乘
• np.sin(矩阵)                                              按位求sin
• a<3                                                           按位比较
• np.dot(a，b)和a.dot(b)                             矩阵乘法
• np.max(a)和np.max(a,axis=0/1)               最大值
• np.min(a)和np.min(a,axis=0/1)                 最大值
• np.sum(a)和np.sum(a,axis=0/1)               求和
• np.median(a)和np.median(a,axis=0/1)     求中位数
• np.mean(a)和np.mean(a,axis=0/1)           求平均值
• np.argmin(a)和np.argmax(a)                    找最大值最小值索引
• np.cumsum(a)和np.diff(a)                         按位累加/按位累减
• np.nonzeros(a)                                          查找非0项
• np.sort(a)                                                   行内排序
• a.T 和 np.transpose(a)                              矩阵的逆
• np.clip(A,min,max)                                    修剪矩阵

以上方法axis=0表示按列，axis=1表示按行

按位减

                       

矩阵按位乘

 

                                               

矩阵求sin

 

                                    

按位比较

                                                     

矩阵乘法

                      

最大值，最小值，求和

                     

                     

最大值/最小值索引

                      

平均值

                       

中位数

                                                  

累加

                                         

        

累减

                                                  

查找非0项

                                            

行内排序

                      

矩阵求逆

                                   

矩阵修剪

 

                                    

5.矩阵查找

与Python序列一致 查找某元素A[i][j]

• A[1，2]        查找索引1,2的元素
• A[：，i ]      查找第i列元素元素

                                                

                        

 

                                                         

 

                                                         

 

                                                       

6.矩阵遍历

与Python序列一样 用for遍历

• for row in A: print(row)            按行打印
• for col in A.T: print(col)            按列打印
• for item in A.flat: print(item)    打印全部元素

按行打印

                                                       

按列打印

                                            

打印全部元素

                                       

7.矩阵合并

• np.vstack(a,b...)                                      垂直合并
• np.hstack(a,b...)                                      水平合并
• np.concatenate((a,b...),axis=0/1)           合并

注:合并操作正相反，0代表行1代表列。为了方便记最好还是使用vstack与hstack合并。

垂直合并

                                       

 

水平合并（数组的水平合并相当于连接）

                       

 

数组的逆实际上不翻转，想要翻转成列向量，需要加1维度

                                             

                               

 

列向量的水平合并

                               

列向量的垂直合并

             

列向量的水平合并

              

8.矩阵分割

• np.vsplit(a,块数)                              垂直分割
• np.hsplit(a,块数)                              水平分割
• np.split(a，块数，axis=0/1)            平均分割
• np.array_split(a,块数,axis=0/1)       不平均分割

注:分割操作正相反，0代表行1代表列。为了方便记最好还是使用vsplit与hsplit分割。

垂直分割与水平分割

                                      、

 

平均分割（按列）

                      

 

平均分割（按行）

                                

平均分割，如果分割不了会报错

                     

  

不平均分割

                       

 

9.矩阵浅拷贝与深拷贝

与Python数组相同，矩阵是可变数据结构，直接相当于传递引用

深拷贝： a.copy()

10.读写操作

numpy可以把数组或者矩阵保存为csv文件，也可以将csv文件整体读取为一个数组或矩阵。

import numpy as np
# 1.csv ==> matrix
my_matrix = np.loadtxt(open("D:\\test.csv","rb"), delimiter=",",usecols=None，skiprows=0)


# 2.matrix ==> csv
ny.savetxt("new.csv", my_matrix, delimiter=',')

其中delimiter=','只分隔符，usecols可以选择指定列，skiprows只从哪行开始存储。

具体实例

其他注意点：

1. a.sort() 直接对a进行排序没有返回值，np.sort(a) 不对a进行排序，但返回值为经过排序的a

2.np.random.seed() 如果指定seed则每次生成的随机数相同