python 在机器学习中应用函数

Posted 2020-12-01 笔记记忆

浅述python中argsort()函数的用法

（1）.先定义一个array数据

1 import numpy as np
2 x=np.array([1,4,3,-1,6,9])

（2）.现在我们可以看看argsort()函数的具体功能是什么：

x.argsort()

 输出定义为y=array([3,0,2,1,4,5])。

 我们发现argsort()函数是将x中的元素从小到大排列，提取其对应的index(索引)，然后输出到y。例如：x[3]=-1最小，所以y[0]=3,x[5]=9最大，所以y[5]=5。

 上面这个不难理解，不熟悉的可以去python环境下自己尝试。

 （3）.由于在程序中遇到了类似于np.argsort()[num]的形式，一直看不明白，就自己去python环境自己试了下：

 ps：这里的num的绝对值小于等于x中元素的个数

 当num>=0时，np.argsort()[num]就可以理解为y[num];

 当num<0时，np.argsort()[num]就是把数组y的元素反向输出，例如np.argsort()[-1]即输出x中最大值对应的index，np.argsort()[-2]即输出x中第二大值对应的index，依此类推。。

 直观的实验才能看到效果，下面是我拿上面例子做的验证：

这是当num为负值时的输出。

这个是num>=0时的输出。

2.Python-Numpy的tile函数用法

（1）.函数的定义与说明

　　函数格式tile(A,reps)

　　A和reps都是array_like

　　A的类型众多，几乎所有类型都可以：array, list, tuple, dict, matrix以及基本数据类型int, string, float以及bool类型。

　　reps的类型也很多，可以是tuple，list, dict, array, int, bool.但不可以是float, string, matrix类型。

（2）.函数操作示例

>>> tile(1,2)
array([1, 1])

>>> tile((1,2,3),3)
array([1, 2, 3, 1, 2, 3, 1, 2, 3])

>>> tile(a,2)
array([[1, 2, 3, 1, 2, 3],
       [4, 5, 5, 4, 5, 5]])

>>> b=[1,3,5]
>>> tile(b,[2,3])
array([[1, 3, 5, 1, 3, 5, 1, 3, 5],
       [1, 3, 5, 1, 3, 5, 1, 3, 5]])

>>> a=[[1,2,3],[5,4]]
>>> tile(a,[2,3])
array([[[1, 2, 3], [5, 4], [1, 2, 3], [5, 4], [1, 2, 3], [5, 4]],
       [[1, 2, 3], [5, 4], [1, 2, 3], [5, 4], [1, 2, 3], [5, 4]]])

3.python的二维数组操作

需要在程序中使用二维数组，网上找到一种这样的用法：

#创建一个宽度为3，高度为4的数组
#[[0,0,0],
# [0,0,0],
# [0,0,0],
# [0,0,0]]
myList = [[0] * 3] * 4

但是当操作myList[0][1] = 1时，发现整个第二列都被赋值，变成

[[0,1,0],

[0,1,0],

[0,1,0],

[0,1,0]]

为什么...一时搞不懂,后面翻阅The Python Standard Library 找到答案

list * n—>n shallow copies of list concatenated, n个list的浅拷贝的连接

例:

>>> lists = [[]] * 3
>>> lists
[[], [], []]
>>> lists[0].append(3)
>>> lists
[[3], [3], [3]]

[[]]是一个含有一个空列表元素的列表,所以[[]]*3表示3个指向这个空列表元素的引用,修改任何

一个元素都会改变整个列表:

所以需要用另外一种方式进行创建多维数组,以免浅拷贝:

>>> lists = [[] for i in range(3)]
>>> lists[0].append(3)
>>> lists[1].append(5)
>>> lists[2].append(7)
>>> lists
[[3], [5], [7]]

之前的二维数组创建方式为:

myList = [([0] * 3) for i in range(4)

4.python zeros()使用(from numpy import *)

该函数的功能是创建给定类型的矩阵，并初始化为0。

#一维数组  
zeros(3)  
#二维数组  
zeros((2,3))  
#或  
zeros([2,3])

 

dtype：数组数据类型，默认为float

#使用默认类型  
b=zeros(3)  
type(b)  
#转换为int类型  
b=zeros(3)  
type(b)  

 

zeros_like：返回和输入大小相同，类型相同，用0填满的数组

<pre name="code" class="python">
#一维  
a=array([2,3])  
zeros_like(a)  
#二维  
a=array([[2,3],[3,4]])  
zeros_like(a)  

 

ones_like：返回和输入大小相同，数据类型相同，用1填满的数组

#一维  
a=array([2,3])  
ones_like(a)  
#二维  
a=array([[2,3],[3,4]])  
ones_like(a) 

 

empty_like：返回和输入大小相同，数据类型相同，但是是未初始化的数组(数据随机)

#一维  
a=array([2,3])  
empty_like(a)  
empty_like(a, int)  
#二维  
a=array([[2,3],[3,4]])  
empty_like(a)  
empty_like(a, int)  

 

ones：返回一个和输入大小相同，数据类型相同，初始化为1的数组

np.ones(5)
np.ones((2,1))
s=(2,2)
np.ones(s)

 

empty：返回一个新的未初始化的数组

np.empty([2,2])
np.empty([2,2],dtype=int)