机器学习(深度学习）笔记-第3章-Numpy基础

Anaconda安装请看上一章
*机器学习（深度学习）笔记奔跑的Mir.Wang

第3章 Numpy 基础

0.numpy介绍
专门用于矩阵操作，#pip install numpy
1.import numpy##导入
2.创建数组
#numpy 要求传入的数组中数据类型相同
a=numpy.array([1,2,3,4])
3.numpy数据选择
#横列下标从0开始
#a[[1,2,3],[4,5,6]]
a[1,2]=6
a[0,1]=2
4.numpy切片（左闭右开）
a=numpy.array([1,2,3,4])
a[0:3]=[1,2,3]
b=numpy.array([[1,2,3],[4,5,6]])
b[:,1]=[2,4]
5.numpy运算
a=numpy.array([1,2,3,4])
a==3
返回array([False,False,True,False],dtype=bool)
6.类型转换
b=a.astype(float)
7.求极值
np.min()
np.sum(axis=1)#1表示按行求和，0表示按列求和
8.常用函数
np.range#返回list
np.arange(15)#返回ndArray
np.arange(10,30,5)#10-30步长为5，左闭右开
reshape(3,5)#3行5列
a.shape#结构
a.ndim#维度
a.size#元素个数
a.dtype#类型
np.zeros((3,4))#初始化一个空矩阵
np.ones((2,3,4),dtype=np.int32)
np.random.random((2,3))
pi#from numpy import pi
np.linspace(0,2pi,100)#从区间平均取100个值
9.加减乘除
#对应位置相互操作（shpae相同时候）
c=a-b
c=b**2
c<35
AB#对应位置相乘
np.dot(A,B)#矩阵的乘法
10.矩阵常用操作
np.exp(3)
np.sqrt(2)
np.floor()#向下取整
a.ravel()#将矩阵拉成一维向量按行排序
a.shape=6,2
a.T#转置
a.reshape(3,-1)#自动确定列数
np.hstack((a,b))#按行拼接，水平方向，增加特征数
np.vstack((a,b))#按列拼接，竖直方向，增加样本数
np.hsplit(a,3)#随机切
np.hsplit(a,(3,4))#指定位置切，3切，4切
np.vsplit(a,3)#随机切
np.vhsplit(a,(3,4))#指定位置切，3切，4切
11.复制操作
b=a#不是复制，a,b指向区域相同
b is a#True
c=a.view()#浅复制，更改元素值后，均发生变化，值共用，结构不共用
d=a.copy()#值、结构均不同，深复制
12.排序与索引
a.argmax(axis=0)#按列算，返回每列中最大值的行索引
a[a.argmax(axis=0),range(a.shape[1])]#返回每列中的最大值
np.tile(a,(3,5))#行列扩展，变为原来的倍数
np.sort(a,axis=1)#按行排序，升序
np.argsort(a)#最小值的索引,从小到大
a(np.argsort(a))
13.打开文件
numpy.genfromtxt(“cc.txt”,delimiter=",",dtype=str)
help(numpy.genfromtxt)#帮助文件信息