机器学习笔记1————机器学习（科学计算库numpy）

​​​​​​Numpy（Numerical Python）是一个开源的Python科学计算库，用于快速处理任意维度的数组。

Numpy支持常见的数组和矩阵操作。对于同样的数值计算任务，使用Numpy比直接使用Python要简洁的多。

Numpy使用ndarray对象来处理多维数组，该对象是一个快速而灵活的大数据容器。

1.ndarray

import numpy as np

# 创建ndarray
score = np.array(
[[80, 89, 86, 67, 79],
[78, 97, 89, 67, 81],
[90, 94, 78, 67, 74],
[91, 91, 90, 67, 69],
[76, 87, 75, 67, 86],
[70, 79, 84, 67, 84],
[94, 92, 93, 67, 64],
[86, 85, 83, 67, 80]])

score

#输出:
array([[80, 89, 86, 67, 79],
       [78, 97, 89, 67, 81],
       [90, 94, 78, 67, 74],
       [91, 91, 90, 67, 69],
       [76, 87, 75, 67, 86],
       [70, 79, 84, 67, 84],
       [94, 92, 93, 67, 64],
       [86, 85, 83, 67, 80]])

2.运算时间对比

3.ndarray属性

 4.ndarray形状

# 创建不同形状的数组
a = np.array([[1,2,3],[4,5,6]])
b = np.array([1,2,3,4])
c = np.array([[[1,2,3],[4,5,6]],[[1,2,3],[4,5,6]]])
a.shape
b.shape
c.shape

#输出
(2, 3)  # 二维数组
(4,)    # 一维数组
(2, 2, 3) # 三维数组

5.ndarray类型

6.ndarray基本操作

• np.ones(shape, dtype)
• np.ones_like(a, dtype)
• np.zeros(shape, dtype)
• np.zeros_like(a, dtype) 

• np.array(object, dtype)

• np.asarray(a, dtype)

• np.linspace (start, stop, num, endpoint)

• np.arange(start,stop, step, dtype)

• np.logspace(start,stop, num)

• np.random.randn(d0, d1, …, dn)
• np.random.normal(loc=0.0, scale=1.0, size=None)
• np.random.standard_normal(size=None)
• np.random.rand(d0, d1, ..., dn)
• np.random.uniform(low=0.0, high=1.0, size=None)
• np.random.randint(low, high=None, size=None, dtype='l')

• ndarray.reshape(shape, order)

• ndarray.resize(new_shape)

• ndarray.T

• ndarray.astype(type)

• ndarray.tostring([order])

• ndarray.tobytes([order])

• np.unique()

 7.ndarray的运算

• < > = 
• np.all()
• np.any()

• np.where

• np.max()
• np.min()
• np.median()
• np.mean()
• np.std()
• np.var()
• np.argmax(axis=) — 最大元素对应的下标
• np.argmin(axis=) — 最小元素对应的下标