数据科学必备-numpy 数据科学必备-numpy

前面的总结我们前面已经学过了python 的基础知识，完成了实验楼的挑战，但总觉得python还有点东西没学完。我觉得还缺点什么，我觉得基础语法还应该再了解一下这两个内容，当然只了解一下皮毛就行，基本的概念，比如如何定义一个函数，传递参数；列表的基本操作等。然后我们实际操作中再去强化即可。

python 列表 http://c.biancheng.net/python/list_tuple_dict/
python 函数 http://c.biancheng.net/view/2247.html

以后的学习计划我们可以基本按照AI MOOC这个网站的方式
https://mooc.ai-xlab.com

python基础包含 numpy pandas matplotlib
【数据科学必备-numpy】机器学习基础（主要是常见机器学习算法，大部分我们会以后以实战方式一一实现）
- 线性回归算法 Linear Regression
- 支持向量机算法 (Support Vector Machine,SVM)
- 最近邻居/k-近邻算法 (K-Nearest Neighbors,KNN)
- 逻辑回归算法 Logistic Regression
- 决策树算法 Decision Tree
- k-平均算法 K-Means
- 随机森林算法 Random Forest
- 朴素贝叶斯算法 Naive Bayes
- 降维算法 Dimensional Reduction
- 梯度增强算法 Gradient Boosting
深度学习（神经网络）
综合实战

jupyter notebook 接下来，我们还要不断使用这个jupyter notebook来完成我们的每一次任务。
之前已经介绍了如何用VS Code中整合jupyter notebook，大部分同学已经顺利搭建了。
那么原生的jupyter notebook究竟什么样？其实我们也可以不用VS Code来启动jupyter notebook。
打开你的命令行，输入jupyter-notebook，如果你已经安装了，就会顺利启动，接着新建，就能敲代码了。如果提示没有这个命令，你只需要输入

pip install jupyter

安装好了，然后再启动jupyter-notebook。
你究竟如何使用jupyter notebook，这个随意！
numpy pandas matplotlib numpy pandas matplotlib 这三个工具，是python数据科学必须掌握的。
请使用 pip list命令，看看你是否安装了这3个包，如果没有安装，请先安装。
这次必须要安装numpy，如果你之前的作业完成了，你的本地numpy应该是已经安装了。如果你在jupyter notebook 输入这个代码块

import numpy as np

没有报错的话，就是安装成功，可以用了。
对了，import numpy as np这个意思是啥，请你们看看 http://c.biancheng.net/view/2397.html
这一句的意思就是导入numpy模块，并重新命名为np。
numpy numpy (Numerical Python的简称) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。它是后面pandas和matplotlib的基础，也是一切数据分析的基础。
推荐两个教程，第二个是我更加推荐的。

【机器学习基础库】Numpy数据计算从入门到实战 https://www.bilibili.com/video/BV1U7411x76j
《跟着孙兴华学习Numpy基础》python Numpy 教程 https://www.bilibili.com/video/BV1R64y1u7zX?p=3

这两个教程，看任意一个即可，记得，用你的jupyter notebook不停敲代码来体会numpy 的各种优点
科赛（和鲸）Amazing 我突然找到了一个可以在线敲代码的网站，免去搭建任何环境，在线玩就行：
科赛（和鲸）https://www.kesci.com/
这将是我们未来经常光顾的网站了，我们可以在线完成基于python和R的数据分析。同时，我们还可以参加上面的挑战赛。我希望，未来有一天智能医学社可以在上面赢得奖金！
下面，不停的在上面敲代码吧。不过，里面的服务器环境，每个月只有20 h，但我觉得足够了！
【镇站之宝】科赛优质教程&项目集锦
之后的pandas 和 matplotlib也是在里面玩！加油！越来越有趣了！
最后的作业

实现视频教程 https://www.bilibili.com/video/BV1U7411x76j?p=6P6
numpy实现数组中满足条件个数的计算，请用numpy实现
Consider two arrays A and B of shape (8,3) and (2,2). How to find rows of A that contain elements of each row of B regardless of the order of the elements in B? (★★★)')
中文翻译：给定一个8X3的数组A和一个2X2的数组B，从A中找出满足条件的行，条件是B中每一行都有元素（至少一个）出现在A中这一行中?(不考虑B中每行元素顺序)(提示: np.where)
e.g. B = [[3,1],[2,4]]，A = [[3,2,0],[0,1,5],...]，那么这个A的第一行，也就是[3,2,0]是符合要求的，因为包含了B中第一行[3,1]中的3，也包含第二行[2,4]中的2。但A的第二行[0,1,5]就不符合要求，因为只含有B中第一行的元素1，第二行[2,4]没有任何一个元素包含在[0,1,5]。

A = np.random.randint(0,5,(8,3)) B = np.random.randint(0,5,(2,2))

提交作业
- 将两个作业放到同一个jupyter notebook分别作为2个代码块，提交到
  https://github.com/hao203/AIMED-python_basics.git
- 首先gitclone 将项目克隆到本地
  将你的ipynb命名为 姓名.ipynb 并存放在numpy文件夹，然后commit ，push