听慕课做Python 机器学习笔记（二）：numpy基本使用

一、numpy.array基础

1、首先调用numpy，查看版本，取别名：

import numpy
numpy.__version__

‘1.16.5’

import numpy as np

2、与Python自带的List的区别

（1）list数组里元素可以不是同一个类型

L = [i for i in range(10)]
L[5] = 'machine learning'
L

[0, 1, 2, 3, 4, ‘machine learning’, 6, 7, 8, 9]

优点是灵活，缺点是效率较低。

（2）Python里也有限定只能存储一种类型的数组：array

import array
arr = array.array('i',[i for i in range(10)])
arr[5] = 100
arr

第一个参数表示整形

array(‘i’, [0, 1, 2, 3, 4, 100, 6, 7, 8, 9])

尝试对元素赋非整形值

arr[5] = 'machine learning'

---

TypeError Traceback (most recent call last)
in
----> 1 arr[5] = ‘machine learning’
TypeError: an integer is required (got type str)

会报错
array 的优点是效率高，缺点是不灵活。没有配备矩阵运算，对于机器学习不方便

（3）numpy.array

创建和查看，修改元素基本操作和python里的array类似：

nparr = np.array([i for i in range(10)])
nparr

array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

nparr[5]

5

nparr[5] = 100
nparr

array([ 0, 1, 2, 3, 4, 100, 6, 7, 8, 9])

nparr[5] = 'hello'

ValueError Traceback (most recent call last)
in
----> 1 nparr[5] = ‘hello’
ValueError: invalid literal for int() with base 10: ‘hello’

a.对于上述创建的numpy.array，可以用**.dtype**查看数据类型

nparr.dtype

dtype(‘int32’)

可知是整形。
注意如果某元素修改为浮点数，这里会自动截位操作。

b.机器学习中常用数据类型为浮点型

nparr2 = np.array([1,2,3.0])
nparr2.dtype

dtype(‘float64’)

二、其他创建numpy.array的办法

1、numpy.zeros

（1）创建全为0的1维数组

np.zeros(10)

array([0., 0., 0., 0., 0., 0., 0., 0., 0., 0.])

默认数据类型为"float"

（2）创建时规定数据类型

np.zeros(10,dtype=int)

array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0])

（3）可生成2维矩阵

np.zeros((3,5))

完整参数设置如下：

np.zeros(shape