使用python机器学习（一）

python经常作为机器学习的首选，有一个统计，50%以上的机器学习开发者使用python。在学习机器学习之前需要熟悉以下几个python模块：

• numpy
  Python没有提供数组，列表（List）可以完成数组，但不是真正的数组，当数据量增大时，它的速度很慢。所以Numpy扩展包提供了数组支持，同时很多高级扩展包依赖它。是以矩阵为基础的数学计算模块，纯数学。
• SciPy
  SciPy是数学，科学和工程的开源软件。 它包括用于统计，优化，集成，线性代数，傅里叶变换，信号和图像处理，ODE解算器等的模块。SciPy库依赖于NumPy，提供方便快捷的N维数组操作。比方说做个傅立叶变换，这是纯数学的，用Numpy；做个滤波器，这属于信号处理模型了，在Scipy里找。
• pandas
  Pandas提供了一套名为DataFrame的数据结构，比较契合统计分析中的表结构，并且提供了计算接口，可用Numpy或其它方式进行计算。
• matplotlib & seaborn
  该包主要用于绘图和绘表，强大的数据可视化工具，做图库。

现在我们开始熟悉numpy的常用操作函数：
** 一维数组 **

#encoding=utf8
import numpy as np

# 定义一维数组
a = np.array([2, 0, 1, 5, 8, 3])
print u'原始数据:', a

#输出最大、最小值及形状
print u'最小值:', a.min()
print u'最大值:', a.max()
print u'形状', a.shape

# 数据切片
print u'切片操作:'
# [:-2]后面两个两个值不取
print a[:-2]
#[-2:]表示后往前数两个数字，获取数字至结尾
print a[-2:]
#[:1]表示从头开始获取，获取1个数字
print a[:1]

# 排序
print type(a)
print a.dtype
a.sort()
print u'排序后:', a

运行结果

原始数据: [2 0 1 5 8 3]
最小值: 0
最大值: 8
形状 (6,)
切片操作:
[2 0 1 5]
[8 3]
[2]
<type 'numpy.ndarray'>
int32
排序后: [0 1 2 3 5 8]

二维数组

#二维数组操作


c = np.array([[1, 2, 3, 4], [4, 5, 6, 7], [7, 8, 9, 10]])

# 获取值
print u'形状:', c.shape
print u'获取值:', c[1][0]
print u'获取某行:'
print c[1][:]
print u'获取某行并切片:'
print c[0][:-1]
print c[0][-1:]

#获取具体某列值
print u'获取第3列:'
#np.newaxis增加一个新维度
print c[:,np.newaxis, 2]


#函数
#sin
print np.sin(np.pi/6)
print np.sin(np.pi/2)
print np.tan(np.pi/2)

print np.arange(0,4)

运行结果

形状: (3, 4)
获取值: 4
获取某行:
[4 5 6 7]
获取某行并切片:
[1 2 3]
[4]
获取第3列:
[[3]
 [6]
 [9]]
0.5
1.0
1.63312393532e+16
[0 1 2 3]

注意，axis在numpy中表示第n个索引一个数组，在多维数组中，每个axis有一个索引，比如a = np.array([[1,2],[3,4]])，a[1,0] # to indexa, we specific 1 at the first axis and 0 at the second axis.

文中涉及源代码参见 github

参考

http://blog.csdn.net/eastmount/article/details/53144633