NumPy包是python生态系统中数据分析、机器学习和科学计算的主力。它极大地简化了向量和矩阵的操作。Python的一些主要软件包依赖于NumPy作为其基础架构的基础部分(例如scikit-learn、SciPy、pandas和tensorflow)。我们将介绍一些使用NumPy的主要方法,以及在我们为机器学习模型提供服务之前它如何表示不同类型的数据(表格、声音和图像)。
import numpy as np
一、数组操作
1.1创建数组
通过将python列表传递给NumPy对象,使用np.array()创建一个NumPy数组(即ndarray)。Python创建了我们在右边可以看到的数组:
一般情况,我们希望直接使用NumPy作为初始化的数组数据。NumPy为这些情况提供了诸如ones(),zeros()和random.random()类等方法。我们只需要向这些方法传递要生成的元素数量的参数:
一旦我们创建了数组,我们就可以开始以有趣的方式操作它们。
1.2 数组算术
先来创建两个NumPy数组来展示它们的用处。我们称之为data和ones:
这两个数组的加法就像我们+1那么简单(每一行相加)。
可以发现这样的计算不必在循环中实现。这是非常好的抽象处理,可以让你在更高层次上思考问题,而不是陷入如何实现计算的算法里面。