机器学习——numpy

Posted 2021-11-27 bo686

1.安装numpy

pip install numpy

numpy是python语言的一个扩充程序库。支持高级大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。numpy内部解除了python的PIL(全局解释器锁),运算效率极好,是大量机器学习框架的基础库!

numpy导包

import numpy as np

 

#打印版本号

print(np.version.version)

 

#声明一个numpy数组

nlist = np.array([1,2,3])

print(nlist)

 

#ndim方法用来查看数组维度

print(nlist.ndim)

 

#声明一个二维数组

nlist_2 = np.array([[1,2,3],[4,5,6]])

print(nlist_2)

print(nlist_2.ndim)

 

#使用shape属性来打印多维数组的形状

print(nlist.shape)

print(nlist_2.shape)

 

#使用shape属性来打印多维数组的形状

print(nlist.shape)

print(nlist_2.shape)

 

#打印numpy多维数组的数据类型

#打印普通list

print(type([1,2,3]))

print(type(nlist))

 

#使用dtype属性来打印多维数组内部元素的数据类型

print(type(123))

print(nlist.dtype)

 

#itemsize属性，来打印多维数组中的数据类型大小，字节

print(nlist.itemsize)

 

#data属性，用来打印数据缓冲区 buffer

print(nlist.data)

 

#使用reshape方法来反向生成多维数组

nlist_3 = np.array(range(24)).reshape((3,2,4))

print(nlist_3)

 

#使用浮点作为元素类型

nlist_float = np.array([1.0,2.0,3.0])

print(nlist_float.dtype)

 

#使用字符串

nlist_string = np.array([‘1‘,‘2‘,‘3‘])

print(nlist_string.dtype)

 

# data = np.arange(5)#生成区间数组  左闭右开

# data

 

# print(np.sum(data))#求和

# print(np.max(data))#最大值

# print(np.min(data))#最小值

# print(np.mean(data))#平均值

# print(np.std(data))#标准差

# print(np.var(data))#方差

Sum 求和

Max 最大值

Min 最小值

Mean 平均值

Std 标准差

Var 方差

 

#转换

data = data.tolist() #tolist将ndarray转成list

print(data)

data = np.array([1,2,3,4]) #将list转成ndarrary

print(data)

 

 

 

 

总结:

array 声明numpy数组

ndim 查看数组的维度

shape 查看多维数组的形状

size  查看多维数组元素的个数

type 查看多维数组的数据类型

dtype 查看多维数组内部元素的数据类型

即多维数组中元素的数据类型，可以是自定义的数据类型，可以是python原生数据类型，也可以是numpy中独有的数据类型。比如numpy.int32, numpy.int16, and numpy.float64 

reshape反向生成多维数组()括号里面有几个参数就是几维，参数相乘等于range里面的参数  

arange 生成区间数组

itemsize 查看多维数组中的数据类型大小，字节

即多维数组元素的字节数，一个元素类型为float64的数组itemsiz属性值为8(=64/8),又如,一个元素类型为complex32的数组item属性为4(=32/8) 

data 查看数据缓冲区

即实际数组元素的缓冲区，也就是内在地址。通常用不到，因为一般我们是通过索引来访问元素的。在python原生的数据类型中，可通过id(变量名)来获得变量的内存地址