机器学习 - numpy

创建数组

import numpy as np
#创建一个列表
a = [1,2,3,4]
#转换为数组
b = np.array(a)

查看数组属性

# 查看数组元素个数
np.size
#查看数组形状
np.shape
#查看数组维度
np.ndim
#查看数组元素类型
np.dtype

快速创建n维数组的api

#创建10行10列的数值为1的矩阵
array_one = np.ones([10,10])
#创建10行10列的数值为0的矩阵
array_zero = np.zeros([10,10])

创建某一范围的数组

a = np.arange(15).reshape(3,5)
#结果
array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14]])

创建随机数组np.random

#创建指定形状的数组（范围在0到1）
np.random.rand(10,10)
#创建指定范围内的一个随机浮点数
np.random.uniform(0,100)
#创建指定范围内的一个随机整数
np.random.randint(0,100)
#创建正态分布的数组，给定均值、标准差、维度
np.random.normal(1.75,0.1,(2,3))

numpy计算

学生	平时成绩	期末成绩
1	80	88
2	82	81
3	84	75
4	86	83
5	75	81

• 条件运算

stu_score = np.array([[80,88],[82,81],[84,75],[86,83],[75,81]])
stu_score>80
#结果
array([[False,  True],
       [ True,  True],
       [ True, False],
       [ True,  True],
       [False,  True]], dtype=bool)

• 三目运算：如果满足条件，替换为a，否则替换为b

np.where(stu_score<80,0,90)
#结果
array([[90, 90],
       [90, 90],
       [90,  0],
       [90, 90],
       [ 0, 90]])

• 统计运算

#指定轴最大值（参数1:数组，参数2:axis=0/1; 0表示列1表示行）
result = np.amax(stu_score,axis = 0)#列最大值
result = np.amax(stu_score,axis = 1)#行最大值
#指定轴最小值（参数1:数组，参数2:axis=0/1; 0表示列1表示行）
result = np.amin(stu_score,axis = 0)#列最小值
result = np.amin(stu_score,axis = 1)#行最小值
#平均值
result = np.mean(stu_score,axis = 0)#列平均值
result = np.mean(stu_score,axis = 1)#行平均值
#方差
result = np.std(stu_score,axis = 0)#列方差
result = np.std(stu_score,axis = 1)#行方差

• 数组运算
  1.数组与数的运算-加法

stu_score = np.array([[80, 88], [82, 81], [84, 75], [86, 83], [75, 81]])
print("加分前:")
print(stu_score)
# 为所有平时成绩都加5分
stus_score[:, 0] = stus_score[:, 0]+5
print("加分后:")
print(stu_score)
##结果
加分前:
[[80 88]
 [82 81]
 [84 75]
 [86 83]
 [75 81]]
加分后:
[[80 88]
 [82 81]
 [84 75]
 [86 83]
 [75 81]]

2.数组与数的运算-乘法

stu_score = np.array([[80, 88], [82, 81], [84, 75], [86, 83], [75, 81]])
print("减半前:")
print(stu_score)
# 平时成绩减半
stu_score[:, 0] = stu_score[:, 0]*0.5
print("减半后:")
print(stu_score)
##结果
减半前:
[[80 88]
 [82 81]
 [84 75]
 [86 83]
 [75 81]]
减半后:
[[40 88]
 [41 81]
 [42 75]
 [43 83]
 [37 81]]

3.数组间的加减乘除

a = np.array([1, 2, 3, 4])
b = np.array([10, 20, 30, 40])
c = a + b
d = a - b
e = a * b
f = a / b
print("a+b为", c)
print("a-b为", d)
print("a*b为", e)
print("a/b为", f)

• 矩阵运算np.dot()

stu_score = np.array([[80, 88], [82, 81], [84, 75], [86, 83], [75, 81]])
# 平时成绩占40% 期末成绩占60%, 计算结果
q = np.array([[0.4], [0.6]])
result = np.dot(stu_score, q)
print("最终结果为:")
print(result)
##结果
[[ 84.8]
 [ 81.4]
 [ 78.6]
 [ 84.2]
 [ 78.6]]

• 矩阵垂直拼接

v1 = [[0, 1, 2, 3, 4, 5],[6, 7, 8, 9, 10, 11]]
v2 = [[12, 13, 14, 15, 16, 17], [18, 19, 20, 21, 22, 23]]
# 垂直拼接
result = np.vstack((v1, v2))
print(result)
##结果
[[ 0  1  2  3  4  5]
 [ 6  7  8  9 10 11]
 [12 13 14 15 16 17]
 [18 19 20 21 22 23]]

• 矩阵水平拼接

v1 = [[0, 1, 2, 3, 4, 5],[6, 7, 8, 9, 10, 11]]
v2 = [[12, 13, 14, 15, 16, 17], [18, 19, 20, 21, 22, 23]]
# 垂直拼接
result = np.hstack((v1, v2))
print(result)
##结果
[[ 0  1  2  3  4  5 12 13 14 15 16 17]
 [ 6  7  8  9 10 11 18 19 20 21 22 23]]

numpy读取数据np.genfromtxt()

result = np.genfromtxt("./xxx.csv",delimiter=",")

如果数值据有无法识别的值出现,会以nan显示,nan相当于np.nan,为float类型.