【python機器學習】常用庫之科學計算包Numpy

        經過不斷的使用與進化，Python産生了不少專門用于機器學習的程式庫，我們在機器學習中經常需要用到的一些程式庫，包括科學計算包（Numpy）、資料分析工具（Pandas）、數值計算包（Scipy）、繪圖工具庫（Matplotlib）、機器學習包（Scikit-learn）等，涵蓋了在機器學習中資料導入、整理、資料處理、可視化、數值計算以及算法運作等方面。 通過掌握以上基本的程式庫的應用，可以極大簡化對資料的處理過程。

     科學計算包（Numpy）

       Numpy的核心是數組（Arrays），具體來說是多元數組(Ndarrays)；Numpy就是對這些數組進行建立、删除、運算等操作的一個程式包。

       數組即一組資料，它把一系列具有相同類型的資料組織在一起，成為一個可操作的整體，但是兩個數組内部的資料類型是不同的。

       Numpy的一個特點是把資料轉換成數組（向量或矩陣）形式處理或運算。

1、建立數組

np.array( )          建立數組       

np.arange( )       建立等差數列

np.linspace( )     建立指定範圍内均勻分布的數組

np.ones( )           建立元素都是1的數組

np.zeros( )          建立元素都是0的數組

np.eye( )             建立對角矩陣

np.random.random( )               建立随機數組  

2、檢視數組的屬性

.shape              數組的次元

.dtype               數組的資料類型

.size                 數組的元素個數

3、數組索引

arr[3]                擷取數組中某個元素

arr[3:5]             切片

4、數組的統計分析

np.sort（） 函數           對數組進行排序

np.sum（）函數           對數組進行求和

np.mean（）函數         對數組求均值

np.std（）函數             對數組求标準差

5、數組的矩陣操作

np.mat("1 3 4;5 7 9; 3 5 6")      mat（）函數建立矩陣

np.dot(arr,arr1)                         dot( )函數進行矩陣相乘

• 建立數組np.array

  import numpy as np          #導入Numpy庫
  array=np.array([1,2,3,4])   #建立一維數組
  print(array)                #列印數組
  array2=np.array([[2,4,6,7],[3,9,7,0],[2,8,5,9]])       #建立二維數組
  print(array2)                                          #列印數組
             

  [1 2 3 4]
  
  [[2 4 6 7]
   [3 9 7 0]
   [2 8 5 9]]
             

•  檢視array數組的屬性

  print('數組次元為：',array2.shape)              #檢視數組結構
  print('數組的資料類型為：',array2.dtype)         #檢視數組的資料類型
  print('數組元素個數為：',array2.size)            #檢視數組元素個數
             

  數組次元為： (3, 4)
  數組的資料類型為： int32
  數組元素個數為： 12
             

• 建立數組的其他方式

  print(np.arange(8))        #np.arange()建立等差數列
  print(np.linspace(0,6,4))  #np.linspace()指定範圍内均勻分布的數組
  print(np.zeros((2,3)))     #np.zeros()元素都是0的數組，2x3的矩陣
  print(np.ones((2,8)))      #np.ones()元素都是1的數組，2x8的矩陣
  print(np.eye(3))           #建立對角矩陣
  print(np.random.random(8)) #建立元素數為8的随機數組
             

  [0 1 2 3 4 5 6 7]
  
  [0. 2. 4. 6.]
  
  [[0. 0. 0.]
   [0. 0. 0.]]
  
  [[1. 1. 1. 1. 1. 1. 1. 1.]
   [1. 1. 1. 1. 1. 1. 1. 1.]]
  
  [[1. 0. 0.]
   [0. 1. 0.]
   [0. 0. 1.]]
  
  [0.88169518 0.48534047 0.03996798 0.86128575 0.58678112 0.48859591 0.5996858  0.7072107 ]
             

• 基礎的資料運算

  arr=np.array(np.arange(10))     #建立0-9之間的等差資料
  arr1=np.array(np.arange(1,11))  #建立1-10之間的等差資料
  print(arr*2)                     #數組乘法
  print(arr+arr1)                  #數組加法
             

  [ 0  2  4  6  8 10 12 14 16 18]
  [ 1  3  5  7  9 11 13 15 17 19]
             

• 數組索引

  arr=np.arange(10)
  print(arr[6])            #擷取數組中的第6個數
  print(arr[2:5])          #擷取某個範圍的元素，第3、4、5個元素
  arr[3:5]=111,112         #改變第4個元素為111，第5個元素為112
  print(arr)
  arr1=np.array([[1,2,3,4],[1,4,5,6],[3,5,6,7]])   #建立多元數組
  print(arr1)
  print(arr1[0,1:3])
             

  6
  
  [2 3 4]
  
  [  0   1   2 111 112   5   6   7   8   9]
  
  [[1 2 3 4]
   [1 4 5 6]
   [3 5 6 7]]
  
  [2 3]
             

• 數組的統計分析

  arr=np.array([2,5,6,8,3])
  print(arr)
  print(np.sort(arr))         #sort（）函數對數組進行排序
  print(np.sum(arr))          #sum（）函數對數組進行求和
  print(np.mean(arr))         #mean（）函數對數組求均值
  print(np.std(arr))          #std（）函數對數組求标準差
             

  [2 5 6 8 3]
  [2 3 5 6 8]
  24
  4.8
  2.1354156504062622
             

• 數組的矩陣操作

  arr=np.arange(3)
  matr1=np.mat("1 4 5;3 5 6;3 7 9")     #使用mat（）函數建立矩陣
  print(arr)
  print(matr1)
  print(np.dot(arr,matr1))              #使用dot（）函數進行arr和matr1矩陣之間的相乘
             

  [0 1 2]
  
  [[1 4 5]
   [3 5 6]
   [3 7 9]]
  
  [[ 9 19 24]]