Python 机器学习库 NumPy 教程

Posted hoaprox

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Python 机器学习库 NumPy 教程相关的知识,希望对你有一定的参考价值。

0 Numpy简单介绍

Numpy是Python的一个科学计算的库,提供了矩阵运算的功能,其一般与Scipy、matplotlib一起使用。其实,list已经提供了类似于矩阵的表示形式,不过numpy为我们提供了更多的函数。如果接触过matlab、scilab,那么numpy很好入手。

1 安装

pip install numpy

在NumPy中,维度称之为axis(复数是axes),维度的数量称之为rank

(通用做法import numpu as np 简单输入)

2 多维数组

NumPy的数组类是ndarray,它有一个别名是 numpy.array,但这与Python标准库的array.array并不一样。后者仅仅是一个一维数组。而ndarray具有以下的属性:

  • ndarray.ndim:数组的维数。在Python世界中,维数称之为rank
  • ndarray.shape:数组的维度。这是一系列数字,长度由数组的维度(ndim)决定。例如:长度为n的一维数组的shape是n。一个n行m列的矩阵的shape是n,m
  • ndarray.size:数组中所有元素的数量
  • ndarray.dtype:数组中元素的类型,例如numpy.int32numpy.int16或者numpy.float64
  • ndarray.itemsize:数组中每个元素的大小,单位为字节
  • ndarray.data:存储数组元素的缓冲。通常我们只需要通过下标来访问元素,而不需要访问缓冲

以list或tuple变量为参数产生一维数组:

np.array([1,2,3,4]) 

np.array((1.2,2,3,4))  

以list或tuple变量为元素产生二维数组或者多维数组:

np.array(((1,2,3),(4,5,6)))  

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

我们也可以在创建数组的时候,指定元素的类型,例如这样:

np.array([[1,2],[3,4]], dtype=complex )

可以使用astype转换类型,在处理文件时候这个会很实用,注意astype 调用会返回一个新的数组,也就是原始数据的一份拷贝。

numeric_strings2 = np.array([1.23,2.34,3.45],dtype=np.string_)
print(numeric_strings2)
[b1.23 b2.34 b3.45]

t=numeric_strings2.astype(float)
print(t)
[ 1.23  2.34  3.45]

3 numpy索引(index)与切片(slicing)

  • index 和slicing :第一数值类似数组横坐标,第二个为纵坐标;
x=np.array(((1,2,3,4),(5,6,7,8),(9,10,11,12)))
y=x[:,1]
y[0]=20
print(y)
print(x)

结果:

技术图片

 

通过上面可以发现改变y会改变x ,因而我们可以推断,y和x指向是同一块内存空间值,系统没有为y 新开辟空间把x值赋值过去。

arr = np.arange(10)
arr[3:6]=10
print(arr)

结果:

技术图片

 

思考为什么这么设计? Numpy 设计是为了处理大数据,如果切片采用数据复制话会产生极大的性能和内存消耗问题。

  •  假如说需要对数组是一份副本而不是视图可以如下操作:
arr = np.arange(10) 
arr_copy = arr[3:6].copy() 
print(arr_copy)
arr_copy[:]=24 
print(arr_copy)
print(arr)

结果:

技术图片

 

  • 再看下对list 切片修改(这里设计到python 中深浅拷贝,其中切片属于浅拷贝):
l=[0, 1, 2, 3, 4, 5, 6, 7, 8, 9] 
l[5:8] = 12 #报错 TypeError: can only assign an iterable
print(l)
l1= l[5:8]
print(l1)
l1[0]=12 
print(l1)
print(l)

结果:

技术图片

 

4 多维数组索引(index)、切片(slicing)

arr2d = np.arange(1,10).reshape(3,3)
print(arr2d)
print(arr2d[2])
print(arr2d[0][2])
print(arr2d[0,2])

结果:

技术图片

 

5 基本的矩阵运算

转置:

a = np.array([[1,0],[2,3]])
print(a)
print()
print(a.transpose())

结果:

技术图片

 

特征值、特征向量:

 

 

6 Shape与操作

除了生成数组之外,当我们已经持有某个数据之后,我们可能会需要根据已有数组来产生一些新的数据结构,这时候我们可以使用下面这些函数:

  • reshape:根据已有数组和指定的shape,生成一个新的数组
  • vstack:用来将多个数组在垂直(v代表vertical)方向拼接(数组的维度必须匹配)
  • hstack:用来将多个数组在水平(h代表horizontal)方向拼接(数组的维度必须匹配)
  • hsplit:用来将数组在水平方向拆分
  • vsplit:用来将数组在垂直方向拆分

7 特定array的创建

 

在实际上的项目工程中,我们常常会需要一些特定的数据,NumPy中提供了这么一些辅助函数:

  • zeros:用来创建元素全部是0的数组
  • ones:用来创建元素全部是1的数组
  • empty:用来创建未初始化的数据,因此是内容是不确定的
  • arange:通过指定范围和步长来创建数组
  • linespace:通过指定范围和元素数量来创建数组
  • random:用来生成随机数

 

参考:

numpy 基础入门 - 30分钟学会numpy 

Python 机器学习库 NumPy 教程

以上是关于Python 机器学习库 NumPy 教程的主要内容,如果未能解决你的问题,请参考以下文章

高端实战 Python数据分析与机器学习实战 Numpy/Pandas/Matplotlib等常用库

机器学习--Python机器学习库之Numpy

NumPy简单入门教程

Python机器学习(四十八)NumPy 矩阵库函数

Python大数据与机器学习之NumPy初体验

1.机器学习概论