机器学习-数据科学库（第3节）

---

一、numpy创建数组(矩阵)

1.创建

2.数据类型的操作

3.数组的形状

注：.reshape有返回值，不会对原列表进行改变
把数组转化为1维数据通用：t6=t5.reshape((t5.shape[0]*t5.shape[1],))或t5.flatten()

二、数组的计算

1.数组和数的计算

2.数组和数组的计算

shape为（3，3，2）数组能够和（3，2），（3，1），（1，2），（3，3）数组进行计算

3.数组的拼接

4.数组的行列交换

三、numpy基本数据操作

1.numpy读取数据

np.loadtxt(fname,dtype=np.float,delimiter=None,skiprows=0,usecols=None,unpack=False)

2.numpy中的转置

t.T
t.transpose()
t.swapaxes(1,0)

3.numpy索引和切片

取行一般冒号在后面或者后面冒号省略；取列一般冒号在前或者前面冒号省略

4.numpy中数值的修改

布尔索引：t[t>10]=10
三元运算符：np.where(t>10,20,0) →把t中大于10的替换为20，其他的替换为0
clip(裁剪)：t.clip(10,20)→把小于10的替换为10，大于20的替换为20

5.numpy中的nan和inf

np.nan和np.inf数据类型都是float浮点型

在一组数据中单纯的把nan替换为0后，替换之前的平均值如果大于0，替换之后的均值肯定会变小，所以更一般的方式是把缺失的数值替换为均值（中值）或者是直接删除有缺失值的一行。

6.numpy生成随机数

7.其他好用的方法

四、numpy中常用统计函数