机器学习|Numpy学习学习|python|numpy

1.Numpy介绍 Numpy（Numerical Python）是一个开源的Python科学计算库，用于快速处理任意维度的数组。
Numpy支持常见的数组和矩阵操作。对于同样的数值计算任务，使用Numpy比直接使用Python要简洁的多。
Numpy使用ndarray对象来处理多维数组，该对象是一个快速而灵活的大数据容器。
2 ndarray介绍 NumPy提供了一个N维数组类型ndarray，它描述了相同类型的“items”的集合。
生成numpy对象:np.array()
【机器学习|Numpy学习】
文章图片

3 ndarray的优势

内存块风格
- list – 分离式存储,存储内容多样化
- ndarray – 一体式存储,存储类型必须一样
ndarray支持并行化运算（向量化运算）
ndarray底层是用C语言写的,效率更高,释放了GIL

4 N维数组-ndarray 4.1 ndarray的属性

文章图片

4.2 ndarray的形状首先创建一些数组。

# 创建不同形状的数组 >>> a = np.array([[1,2,3],[4,5,6]]) >>> b = np.array([1,2,3,4]) >>> c = np.array([[[1,2,3],[4,5,6]],[[1,2,3],[4,5,6]]])

分别打印出形状

>>> a.shape >>> b.shape >>> c.shape

(2, 3) # 二维数组
(4,) # 一维数组
(2, 2, 3) # 三维数组
4.3 ndarray的类型

文章图片

文章图片

5.数组的基本操作 5.1 生成数组的方法 5.1.1 生成0和1的数组

文章图片

5.1.2 从现有的数组中生成

文章图片

注意这里array 和asarray的区别
5.1.3 生成固定范围的数组

创建等差数组 — 指定数量
参数:
- start:序列的起始值
- stop:序列的终止值
- num:要生成的等间隔样例数量，默认为50
- endpoint:序列中是否包含stop值，默认为ture

文章图片

5.1.4 生成随机数组
5.1.4.1 正态分布

np.random.normal(loc=0.0, scale=1.0, size=None)
loc： float
此概率分布的均值（对应着整个分布的中心centre）
scale： float
此概率分布的标准差（对应于分布的宽度， scale越大越矮胖， scale越小，越瘦高）
size： int or tuple of ints
输出的shape，默认为None，只输出一个值

举例1：生成均值为1.75，标准差为1的正态分布数据， 100000000个

文章图片

5.1.4.2 均匀分布

np.random.uniform(low=0.0, high=1.0, size=None)
功能：从一个均匀分布[low,high)中随机采样，注意定义域是左闭右开，即包含low，不包含high.
参数介绍:
low: 采样下界， float类型，默认值为0；
high: 采样上界， float类型，默认值为1；
size: 输出样本数目，为int或元组(tuple)类型，例如， size=(m,n,k), 则输出mnk个样本，缺省时输出1个值

文章图片

文章图片