NumpyNumPy是Python語言的一個擴(kuò)充程序庫。支持高級大量的維度數(shù)組與矩陣運(yùn)算，此外也針對數(shù)組運(yùn)算提供大量的數(shù)學(xué)函數(shù)庫。Numpy內(nèi)部解除了Python的PIL(全局解釋器鎖),運(yùn)算效率極好,是大量機(jī)器學(xué)習(xí)框架的基礎(chǔ)庫!

Numpy簡單創(chuàng)建數(shù)組import?numpy?as?np#?創(chuàng)建簡單的列表a?=?[1,?2,?3,?4]#?將列表轉(zhuǎn)換為數(shù)組b?=?np.array(b)

Numpy查看數(shù)組屬性

數(shù)組元素個數(shù)b.size

數(shù)組形狀b.shape

數(shù)組維度b.ndim

數(shù)組元素類型b.dtype

快速創(chuàng)建N維數(shù)組的api函數(shù)創(chuàng)建10行10列的數(shù)值為浮點(diǎn)1的矩陣array_one?=?np.ones([10,?10])創(chuàng)建10行10列的數(shù)值為浮點(diǎn)0的矩陣array_zero?=?np.zeros([10,?10])從現(xiàn)有的數(shù)據(jù)創(chuàng)建數(shù)組array(深拷貝)

asarray(淺拷貝)

Numpy創(chuàng)建隨機(jī)數(shù)組np.random均勻分布np.random.rand(10, 10)創(chuàng)建指定形狀(示例為10行10列)的數(shù)組(范圍在0至1之間)

np.random.uniform(0, 100)創(chuàng)建指定范圍內(nèi)的一個數(shù)

np.random.randint(0, 100) 創(chuàng)建指定范圍內(nèi)的一個整數(shù)

正態(tài)分布

給定均值/標(biāo)準(zhǔn)差/維度的正態(tài)分布np.random.normal(1.75, 0.1, (2, 3))數(shù)組的索引, 切片#?正態(tài)生成4行5列的二維數(shù)組arr?=?np.random.normal(1.75,?0.1,?(4,?5))

print(arr)#?截取第1至2行的第2至3列(從第0行算起)after_arr?=?arr[1:3,?2:4]

print(after_arr)

數(shù)組索引改變數(shù)組形狀(要求前后元素個數(shù)匹配)

改變數(shù)組形狀print("reshape函數(shù)的使用!")

one_20?=?np.ones([20])

print("-->1行20列

one_4_5?=?one_20.reshape([4,?5])

print("-->4行5列

Numpy計算(重要)

條件運(yùn)算

原始數(shù)據(jù)

條件判斷import?numpy?as?np

stus_score?=?np.array([[80,?88],?[82,?81],?[84,?75],?[86,?83],?[75,?81]])

stus_score?>?80

三目運(yùn)算import?numpy?as?np

stus_score?=?np.array([[80,?88],?[82,?81],?[84,?75],?[86,?83],?[75,?81]])

np.where(stus_score?

統(tǒng)計運(yùn)算指定軸最大值amax(參數(shù)1: 數(shù)組; 參數(shù)2: axis=0/1; 0表示列1表示行)

求最大值stus_score?=?np.array([[80,?88],?[82,?81],?[84,?75],?[86,?83],?[75,?81]])#?求每一列的最大值(0表示列)print("每一列的最大值為:")

result?=?np.amax(stus_score,?axis=0)

print(result)

print("每一行的最大值為:")

result?=?np.amax(stus_score,?axis=1)

print(result)指定軸最小值amin

求最小值stus_score?=?np.array([[80,?88],?[82,?81],?[84,?75],?[86,?83],?[75,?81]])#?求每一行的最小值(0表示列)print("每一列的最小值為:")

result?=?np.amin(stus_score,?axis=0)

print(result)#?求每一行的最小值(1表示行)print("每一行的最小值為:")

result?=?np.amin(stus_score,?axis=1)

print(result)指定軸平均值mean

求平均值stus_score?=?np.array([[80,?88],?[82,?81],?[84,?75],?[86,?83],?[75,?81]])#?求每一行的平均值(0表示列)print("每一列的平均值:")

result?=?np.mean(stus_score,?axis=0)

print(result)#?求每一行的平均值(1表示行)print("每一行的平均值:")

result?=?np.mean(stus_score,?axis=1)

print(result)方差std

求方差stus_score?=?np.array([[80,?88],?[82,?81],?[84,?75],?[86,?83],?[75,?81]])#?求每一行的方差(0表示列)print("每一列的方差:")

result?=?np.std(stus_score,?axis=0)

print(result)#?求每一行的方差(1表示行)print("每一行的方差:")

result?=?np.std(stus_score,?axis=1)

print(result)

數(shù)組運(yùn)算數(shù)組與數(shù)的運(yùn)算

加法stus_score?=?np.array([[80,?88],?[82,?81],?[84,?75],?[86,?83],?[75,?81]])

print("加分前:")

print(stus_score)#?為所有平時成績都加5分stus_score[:,?0]?=?stus_score[:,?0]+5print("加分后:")

print(stus_score)

乘法stus_score?=?np.array([[80,?88],?[82,?81],?[84,?75],?[86,?83],?[75,?81]])

print("減半前:")

print(stus_score)#?平時成績減半stus_score[:,?0]?=?stus_score[:,?0]*0.5print("減半后:")

print(stus_score)數(shù)組間也支持加減乘除運(yùn)算,但基本用不到

image.pnga?=?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為",?c)

print("a-b為",?d)

print("a*b為",?e)

print("a/b為",?f)

矩陣運(yùn)算np.dot()(非常重要)

根據(jù)權(quán)重計算成績計算規(guī)則(M行, N列) * (N行, Z列) = (M行, Z列)

矩陣計算總成績stus_score?=?np.array([[80,?88],?[82,?81],?[84,?75],?[86,?83],?[75,?81]])#?平時成績占40%?期末成績占60%,?計算結(jié)果q?=?np.array([[0.4],?[0.6]])

result?=?np.dot(stus_score,?q)

print("最終結(jié)果為:")

print(result)矩陣拼接矩陣垂直拼接

垂直拼接print("v1為:")

v1?=?[[0,?1,?2,?3,?4,?5],

[6,?7,?8,?9,?10,?11]]

print(v1)

print("v2為:")

v2?=?[[12,?13,?14,?15,?16,?17],

[18,?19,?20,?21,?22,?23]]

print(v2)#?垂直拼接result?=?np.vstack((v1,?v2))

print("v1和v2垂直拼接的結(jié)果為")

print(result)矩陣水平拼接

水平拼接print("v1為:")

v1?=?[[0,?1,?2,?3,?4,?5],

[6,?7,?8,?9,?10,?11]]

print(v1)

print("v2為:")

v2?=?[[12,?13,?14,?15,?16,?17],

[18,?19,?20,?21,?22,?23]]

print(v2)#?垂直拼接result?=?np.hstack((v1,?v2))

print("v1和v2水平拼接的結(jié)果為")

print(result)

Numpy讀取數(shù)據(jù)np.genfromtxt

csv文件以逗號分隔數(shù)據(jù)

讀取csv格式的文件如果數(shù)值據(jù)有無法識別的值出現(xiàn),會以nan顯示,nan相當(dāng)于np.nan,為float類型.

總結(jié)

以上是生活随笔為你收集整理的python科学计算三剑客_机器学习三剑客之Numpy的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。