【机器学习】Numpy的使用

1.最近在训练之外也在学习机器学习当面的内容，先从numpy的使用开始吧。numpy是ML中的一个支持科学计算的很重要的包，初学者可能不知道怎么安装这个包，建议使用IDE开发。我是用的是PyCharm，在这里面我们可以很轻松的导入自己想要的包。在Pycharm中，我们在这里：

                                        

IDE的右上角，有一个搜索的地方，搜索Project Interpreter。然后就是下边这样：

然后进入得到：

 

单击这个pip（其实这是安装包的指令，熟悉之后可以直接在控制台里面使用这个指令安装任何包。点击进入，搜索numpy，安装即可。

然后就是numpy的使用了。

（1）数组的创建：

import  numpy as np
# 生成一个一维的数组并且赋值给vector
vector=np.array([1,2,3,4])
print(vector)
# 生成一个二维的矩阵
matrix=np.array([[1,2,3],[4,5,6]])
print(matrix)
#数据的类型
print(matrix.dtype)
#查看矩阵的维度
print(matrix.ndim)
# 查看这个矩阵的类型
print(matrix.shape)

生成一个一维/二维的矩阵，查看这个这个矩阵的数据类型，矩阵的纬度，矩阵的类型（各个维度的数值）。

（2）数据的自动转型：如果对数组赋值并不是单一的数据类型,数据类型会发生转换，这个转换是整个数组一起转换。

# 自动的转化为浮点型
vec=np.array([1,2,3,4.0])
print(vec)
# 自动的转化为字符型
vec=np.array([1,2,3,'4'])
print(vec)

（3）获取元素的数量：

print(matrix.size)
print(vector.size)

（4）求和：sum的参数为1就是按照行求和，0就是按照列求和

matrix = np.array([[1,2,3],
                      [4,5,6],
                     [7,8,9]])
print(matrix.sum())
print(matrix.sum(1))#对每一行可以求和
print(matrix.sum(0))#对每一列求和

（5）生成一些特殊的矩阵：

# 从取0-14并且重新整理成3*5的矩阵
array=np.arange(15).reshape(3,5)
print(array)

# 生成一个3*5全是0的矩阵
array=np.zeros((3,5));
print(array)

# 生成一个全是1的矩阵，并且制定维度和数据类型
array=np.ones((3,4,5),dtype=np.int32);
print(array)

# 生成具有间隔的数据，注意这里的范围是左闭右开
array=np.arange(0,10,2)
print(array)
#随机生成一个矩阵
array=np.random.random((2,3))
print(array)

（6）矩阵的运算：

#元素相减
a=np.array([1,2,3,4,5,6])
b=np.array([4])
a=a-b
print(a)
#乘方运算
b=a**2
print(b)

#开根号
b=np.sqrt(a)
print(b)

#矩阵的转置
matrix=np.arange(12).reshape((3,4))
print(matrix)
b=matrix.T
print(b)
#重新整理结构
b=a.resize(2,6)
print(b)

#矩阵的乘法
matrix1=np.arange(15).reshape((3,5))
matrix2=np.arange(20).reshape((5,4))
# print(matrix1.dot(matrix2))
#横向分割
print( np.hsplit(matrix1,5))
#纵向风格
print(np.vsplit(matrix1,3))