Python ML_语法

1 iloc_and _loc

1. 参考博客,请点击

import numpy as np
import pandas as pd
#创建一个Dataframe
data=pd.DataFrame(np.arange(16).reshape(4,4),index=list('abcd'),columns=list('ABCD'))
 
In[1]: data
Out[1]: 
    A   B   C   D
a   0   1   2   3
b   4   5   6   7
c   8   9  10  11
d  12  13  14  15
 
#取索引为'a'的行
In[2]: data.loc['a']
Out[2]:
A    0
B    1
C    2
D    3
 
#取第一行数据，索引为'a'的行就是第一行，所以结果相同
In[3]: data.iloc[0]
Out[3]:
A    0
B    1
C    2
D    3
--------------------- 
作者：我是二师兄 
来源：CSDN 
原文：https://blog.csdn.net/w_weiying/article/details/81411257 
版权声明：本文为博主原创文章，转载请附上博文链接！

2 ix

索引

import pandas as pd
data = pd.DataFrame({'A':[1,2,3],'B':[4,5,6],'C':[7,8,9]},index=["a","b","c"])
data

    A   B   C
a   1   4   7
b   2   5   8
c   3   6   9

.loc

5 = data.loc['b', 'B'];

.ix

5 = data.ix[1,1]
5 = data.ix["b","B"]

2 切片符[:,] [:]

1. [:], 比如a[1:], 从a[1]开始取元素

参考博客

# b是一个numpy科学数据结构,格式是array
In [76]: b                                                                      
Out[76]: array([[1, 2, 3, 4],
       [2, 3, 4, 5],
       [5, 6, 7, 8]])
# 例子1
In [77]: b[:,2]  //获得每一行的索引为2的元素(b[0][2], b[1][2], b[2][2])                                                               
Out[77]: array([3, 4, 7])
# 例子2
In [78]: b[:,3]                                                                 
Out[78]: array([4, 5, 8])
 
# 看看反面例子,如果是list结构的话
In [6]: x
Out[6]: [[1, 2, 3, 4], [2, 3, 4, 5], [5, 6, 7, 8]]
 
In [5]: x[:,:2]
---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-5-4b22ebda2101> in <module>()
----> 1 x[:,:2]
 
TypeError: list indices must be integers or slices, not tuple

3 a[1:3, 1:3], [1:3，1：3] 表示第一维的第1个到第3个（不包括第三个），第二维的第1个到第3个

a = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])
a
array([[ 1, 2, 3, 4],
[ 5, 6, 7, 8],
[ 9, 10, 11, 12]])

a[1:3, 1:3] //
array([[ 6, 7],
[10, 11]])

4 dimension(中文翻译为维度)

dimension=0, 表示为列的方向

x = tf.constant([[1, 1, 1], [1, 1, 1]])
tf.reduce_sum(x)  # 6
tf.reduce_sum(x, 0)  # [2, 2, 2]
tf.reduce_sum(x, 1)  # [3, 3]
tf.reduce_sum(x, 1, keepdims=True)  # [[3], [3]]
tf.reduce_sum(x, [0, 1])  # 6

dimension=1, 表示行的方向

5 tf.random.normal

tf.random.normal(
    shape,
    mean=0.0,
    stddev=1.0, # bianzun
    dtype=tf.dtypes.float32,
    seed=None,
    name=None
)

6 使用numpy.linspace方法

例如，在从1到3中产生9个数：

>>> print np.linspace(1,3,9)
[ 1.    1.25  1.5   1.75  2.    2.25  2.5   2.75  3.  ]

7 3D_Array: axis

图片来源

8 random.sample

import random

list = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
for i in range(3):
    slice = random.sample(list, 5)  # 从list中随机获取5个元素，作为一个片断返回
    print(slice)
    print(list, '\n')  # 原有序列并没有改变

9