Python-机器学习基础-Numpy

Numpy

• Numpy优势
  • 定义
    • 开源的python科学计算库， 用于快速处理任意维度的数组 Numpy中，存储对象是ndarray
  • 创建
    • np.array([])
  • numpy的优势
    • 内存块风格
      • 一体式存储
    • 支持并行化运算
    • 效率高于python代码
      • 底层使用C，内部释放了GIL
• N维数组-ndarray
  • ndarray的属性
    • ndarray.shape
      • 数组维度的元组
    • ndarray.ndim
      • 数组维度
    • ndarray.size
      • 数组中的元素数量
    • ndarray.itemsize
      • 一个数组元素的长度(字节)
    • ndarray.dtype
      • 数组元素的类型
  • ndarray的形状
    • np.array()
      • 三维数组
        • excel中有多个sheet
  • ndarray的类型
    • bool
    • int
    • float
    • str
    • ……
    • 注意：若不指定，整数默认int64，小数默认float64
• 基本操作
  • 生成数组的方法
    • 生成0和1的数组
      • np.ones()
      • np.ones_like()
    • 从现有数组生成
      • np.array
        • 深拷贝
          • 相当于复制，不改变
      • np.asarray
        • 浅拷贝
          • 相当于创建快捷方式，改变
    • 生成固定范围数组
      • np.linspace()
        • nun--生成等间隔的多少个
      • np.arrange()
        • step--每间隔多少生成数据
      • np.logspace()
        • 生成以10的n次幂的数据
    • 生成随机数组
      • 均匀分布
        • np.random.uniform(low,high,size)
      • 正态分布
        • 均值，方差
        • 均值
          • 图像的左右位置
        • 方差
          • 图像的“瘦”，还是“胖”
          • 值越小，图形越“瘦高”，数据越集中 值越大，图形越“矮胖”，数据越分散
      • 正态分布API
        • np.random.normal(low,high,size)
  • 数组的索引、切片
    • 直接索引
    • 先对行进行索引，再进行列索引
    • 高维数组索引，从宏观到微观
  • 形状修改
    • 对象.reshape()
      • 不进行行列互换，产生新的变量
    • 对象.resize()
      • 不进行行列互换，对原值进行更改
    • 对象.T
      • 进行行列互换(转置矩阵)
  • 类型修改
    • 对象.astype()
  • 数组去重
    • np.unique()
• ndarray运算
  • 逻辑运算
    • 大于，小于直接进行判断
    • 赋值：满足要求，直接进行赋值
  • 通用判断函数
    • np.all()
      • 所有满足要求，采返回True
    • np.any()
      • 只要有一个满足要求，就返回True
  • 三元运算符
    • np.where()
      • 满足要求，赋值第一个值，否则赋值第二个值
    • np.logical_and()
      • 并
    • np.logical_or()
      • 或
  • 统计运算
    • min
      • 最小值
    • max
      • 最大值
    • midian
      • 中位数
    • mean
      • 均值
    • std
      • 标准差
    • var
      • 方差
    • argmax
      • 最大值下标
    • argmin
      • 最小值下标
• 矩阵
  • 矩阵和向量
    • 二维数组
    • 一维数组
  • 加法和标量乘法
    • 加法
      • 对应位置相加
    • 乘法
      • 标量和每个位置的元素相乘
  • 矩阵向量(矩阵)乘法
    • [M行，N列]*[N行，L列] = [M行，L列]
  • 矩阵乘法性质
    • 满足结合律，不满足交换律
  • 单位矩阵
    • 对角线为1，其他位置为0
  • 逆矩阵
    • 矩阵A * 矩阵B = 单位矩阵
  • 转置矩阵
    • 行列互换
• 数组间运算
  • 数组和数字是直接可以进行运算
  • 数组和数组
    • 需要满足广播机制
      • 维度相同
      • shape对应的位置为1
  • 矩阵乘法API
    • np.dot
      • 点乘
    • np.matmul
      • 矩阵相乘
    • 注意：两者在进行矩阵相乘时候，没有区别； 但是，dot支持矩阵和数字相乘