机器学习数据科学包之numpy

numpy构建矩阵

#将numpy简写为np方便下面引用
import numpy as np
#转化为数组
array = np.array([[1,2,3],
                 [2,3,4]],dtype=np.int64)

print(array.dtype)

#显示
int64

#将numpy简写为np方便下面引用
import numpy as np
#生成一个三行四列全部为0的矩阵
array = np.zeros((3,4))
#生成一个三行四列全部为1的矩阵
a = np.ones((3,4))
print(array)
print(a)

显示
[[0. 0. 0. 0.]
 [0. 0. 0. 0.]
 [0. 0. 0. 0.]]
[[1. 1. 1. 1.]
 [1. 1. 1. 1.]
 [1. 1. 1. 1.]]

#将numpy简写为np方便下面引用
import numpy as np
#arange内的1-25的数字，步长为2的四行三列的矩阵
array = np.arange(1,25,2).reshape((4,3))
print(array)
#显示：
[[ 1  3  5]
 [ 7  9 11]
 [13 15 17]
 [19 21 23]]

linspace内的数字是1-10生成5个数字
array = np.linspace(1,10,5)
#显示
[ 1.    3.25  5.5   7.75 10.  ]

array = np.linspace(1,20,8).reshape((4,2))
#显示
[[ 1.          3.71428571]
 [ 6.42857143  9.14285714]
 [11.85714286 14.57142857]
 [17.28571429 20.        ]]

numpy基础运算

import numpy as np
a = np.array([10,20,30,40])
b = np.arange(4)
print(a,b)
c = a - b
print(c)
# 显示
[10 20 30 40] [0 1 2 3]
[10 19 28 37]

矩阵的乘法

在矩阵中，要实现两个矩阵内部元素分别相乘可以直接用a * b,但是要实现矩阵相乘则需要 np.dot(a,b)

import numpy as np
a = np.array([[10,20],
              [30,40]])
b = np.arange(4).reshape((2,2))
c = a * b
c_dot = np.dot(a,b)#也可以：c_dot = a.dot(b)
print(c)
print(c_dot)

[[  0  20]
 [ 60 120]]
[[ 40  70]
 [ 80 150]]

求矩阵内元素的和、最值

import numpy as np
#随机生成一个矩阵
a = np.random.random((2,3))
print(a)
#求矩阵内的和
print(np.sum(a))
#求矩阵内的最大值
print(np.max(a))
print(np.min(a))
#矩阵内的每一列求和
print(np.sum(a,axis=0))
#矩阵内的每一行最大值
print(np.max(a,axis=1))

矩阵索引、平均值中位数、累加

#找矩阵的元素
print(a[2][3])#也可以表示：  print(a[2,3])
print(a[2,1:3])

#找出矩阵a的最大值的索引
a = np.arange(2,14).reshape((3,4))
print(np.argmax(a))
#输出结果
11

np.mean(a) # a.mean()
np.average(a)

np.median(a)

a = np.arange(2,14).reshape((3,4))
print(a)
print(np.cumsum(a))
# 显示：
[[ 2  3  4  5]
 [ 6  7  8  9]
 [10 11 12 13]]
[ 2  5  9 14 20 27 35 44 54 65 77 90]

矩阵累差、查找非零数、排序、转置、截取

#按行累差
print(np.diff(a))

#分别查找非零元素的行和列
print(np.nonzero(a))

#按行排序
print(np.sort(a))

#转置
print(np.transpose(a))
print(a.T)

#将小于5的数变为5，大于8的数等于8
print(np.clip(a,5,8))

array合并

import numpy as np
a = np.array([2,3,5])
b = np.array([4,5,6])
print(np.vstack((a,b))) #vertical stack纵向合并

#将一行序列变成一列矩阵
print(a[:,np.newaxis])

import numpy as np
a = np.array([3,6,5])[:,np.newaxis]
b = np.array([4,5,6])[:,np.newaxis]
c = np.hstack((a,b)) 
print(c)
#显示：
[[3 4]
 [6 5]
 [5 6]]

c = np.concatenate((a,b,a,b),axis=1) #1就是横向合并

array分割

import numpy as np
a = np.arange(12).reshape((3,4))
#将矩阵a按列分为4块，要平均！
print(np.split(a,4,1))
#可以不平均
print(np.array_split(a,3,1))

print(np.vsplit(a,3))
print(np.hsplit(a,2))

copy & deep copy

在numpy中直接令array a = b 其地址均一样；
使用 b = a.copy() 就仅仅是复制，和地址无关