机器学习入门之numpy基础（二）

一、numpy队列

1.1、Python自带的队列

1、导入numpy

2、python.list

• python队列内的元素类型是可变的，可以是字符串、数字、元组等Python支持的所有类型；不符合机器学习的基本要求。
  

3、python.array

• 使用array我们就可以创建单一类型元素的数组，如下图：当申明为i时就说明此数组只能为整型数字
  
• 机器学习为什么不使用python.array：python.array没有把数据看成向量或者矩阵，同时也没有配置向量和矩阵相关的运算，所以在机器学习中使用python.array也不方便。

1.2、numpy.array基础

1、创建一个元素类型是整型数字的array数组

2、元素类型是整型数字的array也可以给他赋值浮点型数字

• 如果赋值为浮点数，会默认取小数点之前的整数，最后整个数组的类型还是整型不变
  

3、创建一个元素类型为浮点型的array数组

• 只要初始化数组中有一个值为浮点值，整个array数组的类型就是float64
  
• 机器学习处理的数据通常是浮点类型的数字

二、numpy数组和矩阵

2.1、其它创建numpy.array的放法

1、使用zeros和ones方法创建数组

• zeros方法默认创建浮点数数组:
  
• zeros方法创建整型数组：
  
• zeros方法创建矩阵：shape和dtype可以省略不指明
  
• ones方法同理：创建的数值均为1

2、使用full方法创建指定数值的矩阵

• 创建666的整型数组：full与前面介绍的两个方法不一样，如果fill_value的值为整型，则创建的数组或者矩阵的类型就是整型；如果fill_value的值为浮点数，则创建的数组或者矩阵的类型就是浮点型
  
• 创建666的浮点型数组：
  
• 如果我们指定了full方法里面的dtype属性的值，则创建的矩阵或者数组的类型就和dtype中的保持一致
  

2.2、arange和linspace

• arange和linspace都只能生成一维数组，不支持shape属性

1、arange方法

• 与python的range方法一样，遵循前闭后开原则，即数组取值包括起始值但是不包括结尾值；默认的取值间距为1，默认的取值起始值为0
  

2、linspace方法

• linspace不遵循前闭后开原则，而是遵循前闭后闭原则；即起始值和终止值均在所得数组中
• 下图中的10代表等差取10个数；11代表等差取11个数
  

2.3、random模块生成随机数

1、获取0到10之间的随机数组

• random随机取值遵循前闭后开的原则，如下图随机数永远取不到10
  
• 验证random的前闭后开原则
  

2、利用random创建一个随机矩阵

3、根据随机种子保存并获取上一次的随机取值结果

• 如果两次调用的seed值相同，则他们生成的随机矩阵就是一样的
  

4、获取浮点型随机数

• randint和random方法对比：
  1、randint生成的是整型数值，random生成的是浮点数；
  2、randint中只有一个数字时代表是生成0到该数字之间的随机数，但是random是获取的10个0到1之间的浮点数
  

5、生成一个符合正态分布（均值为0方差为1）的随机数

• 使用normal方法默认会生成一个符合正态分布的数据
  

• 生成一个平均值为5，方差为10的数
  

• 如下图是生成一个平均值为10，方差为100的矩阵
  

• normal也可以这样使用：loc是平均数，scale是方差，size是大小；它们均可省略不写
  

• numpy中random的其它用法：：numpy中random模块的使用

三、numpy.array的基本操作

3.1、numpy.array基本属性

1、初始化一个一维数组和二维数组

2、基本属性

• ndim：输出当前矩阵是几维数组，如x是一维数组打印就是1，X是二维数组打印的就是2.
  
• shape：x是一维数组就只打印出一维的元素个数；X是二维数组就打印出二维的元素个数。
  
• size：打印出数组（矩阵）的大小
  

3.2、numpy.array的数据访问

• 基本的下标、切片访问等数据访问与python数组的数据访问相同

1、一维数组的下标、切片等数据访问

• 下标获取单个元素：
  
• 切片获取一段数据：遵循前闭后开原则；当不指定起始值时默认为0从第一个数开始切片；当不指定结束值时默认截取至最后一个数。
  
• 切片配合步长使用：python数组切片还有第三个参数可以指定就是步长；如下步长为2就表示隔两个步长取一个数。
  
• 逆向获取一段数组：步长为-1时就是逆向的访问数组；-2就是逆向的步长为2的取数组；但是切片起始值和终止值均有赋值并且步长为负数的话，起始值必须大于终止值，否则数组为空；步长为负数时，起始值为空，默认从最后一位数切片，终止值为空，默认切片到第一位数为止即终止值为0。也遵循前闭后开的原则
  

2、二维数组的下标、切片、逆向等数据访问

• 下标获取单个元素：推荐X[1,3]的方式获取，X[1][3]方式有问题，后续会提到
  

• 使用[i][j]方式切片获取数据：我们本来是要获取前两行前三列的内容；但是结果却是把前两行所有值都打印出来了；这是因为第一个[:2]将前两行的数值全部取出来了，[:3]是在已经处理过的数组上面再取前三行的所有数据，但是处理后的只有两行数据；所以得到的结果与我们预期的不同，所以numpy数组操作中推荐使用[i,j]。
  

• 使用[i，j]方式切片获取一段数据：遵循前闭后开原则
  

• 获取一行数组（行向量）：
  

3.3、矩阵与子矩阵的关系

1、初始化一个子矩阵

• 修改subX中一个元素的值
  

2、subX中值修改了是否会影响X呢？

• X和subX是相互影响的，所以矩阵和其子矩阵事实上是同一个矩阵，相互影响，相互改变；自矩阵并不是说是一个新的矩阵了
  

3、如何在一个矩阵的基础上将其子矩阵创建为一个新的矩阵，与原矩阵互不影响？

• 使用copy()方法：可以看到subX中的元素改变并没有影响到X中的值
  

3.4、reshape命令

1、将一维数组转换为二维的矩阵

• reshape不会影响原来矩阵的数据结构
  

2、将一维数组转换为二维数组：但是只有一维数据

3、将一维数组转为二维数组：五行，列自动计算