【python机器学习】常用库之科学计算包Numpy

        经过不断的使用与进化，Python产生了不少专门用于机器学习的程序库，我们在机器学习中经常需要用到的一些程序库，包括科学计算包（Numpy）、数据分析工具（Pandas）、数值计算包（Scipy）、绘图工具库（Matplotlib）、机器学习包（Scikit-learn）等，涵盖了在机器学习中数据导入、整理、数据处理、可视化、数值计算以及算法运行等方面。 通过掌握以上基本的程序库的应用，可以极大简化对数据的处理过程。

     科学计算包（Numpy）

       Numpy的核心是数组（Arrays），具体来说是多维数组(Ndarrays)；Numpy就是对这些数组进行创建、删除、运算等操作的一个程序包。

       数组即一组数据，它把一系列具有相同类型的数据组织在一起，成为一个可操作的整体，但是两个数组内部的数据类型是不同的。

       Numpy的一个特点是把数据转换成数组（向量或矩阵）形式处理或运算。

1、创建数组

np.array( )          创建数组       

np.arange( )       创建等差数列

np.linspace( )     创建指定范围内均匀分布的数组

np.ones( )           创建元素都是1的数组

np.zeros( )          创建元素都是0的数组

np.eye( )             创建对角矩阵

np.random.random( )               创建随机数组  

2、查看数组的属性

.shape              数组的维度

.dtype               数组的数据类型

.size                 数组的元素个数

3、数组索引

arr[3]                获取数组中某个元素

arr[3:5]             切片

4、数组的统计分析

np.sort（） 函数           对数组进行排序

np.sum（）函数           对数组进行求和

np.mean（）函数         对数组求均值

np.std（）函数             对数组求标准差

5、数组的矩阵操作

np.mat("1 3 4;5 7 9; 3 5 6")      mat（）函数创建矩阵

np.dot(arr,arr1)                         dot( )函数进行矩阵相乘

• 创建数组np.array

  import numpy as np          #导入Numpy库
  array=np.array([1,2,3,4])   #创建一维数组
  print(array)                #打印数组
  array2=np.array([[2,4,6,7],[3,9,7,0],[2,8,5,9]])       #创建二维数组
  print(array2)                                          #打印数组
             

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

•  查看array数组的属性

  print('数组维度为：',array2.shape)              #查看数组结构
  print('数组的数据类型为：',array2.dtype)         #查看数组的数据类型
  print('数组元素个数为：',array2.size)            #查看数组元素个数
             

  数组维度为： (3, 4)
  数组的数据类型为： int32
  数组元素个数为： 12
             

• 创建数组的其他方式

  print(np.arange(8))        #np.arange()创建等差数列
  print(np.linspace(0,6,4))  #np.linspace()指定范围内均匀分布的数组
  print(np.zeros((2,3)))     #np.zeros()元素都是0的数组，2x3的矩阵
  print(np.ones((2,8)))      #np.ones()元素都是1的数组，2x8的矩阵
  print(np.eye(3))           #创建对角矩阵
  print(np.random.random(8)) #创建元素数为8的随机数组
             

  [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 ]
             

• 基础的数据运算

  arr=np.array(np.arange(10))     #创建0-9之间的等差数据
  arr1=np.array(np.arange(1,11))  #创建1-10之间的等差数据
  print(arr*2)                     #数组乘法
  print(arr+arr1)                  #数组加法
             

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

• 数组索引

  arr=np.arange(10)
  print(arr[6])            #获取数组中的第6个数
  print(arr[2:5])          #获取某个范围的元素，第3、4、5个元素
  arr[3:5]=111,112         #改变第4个元素为111，第5个元素为112
  print(arr)
  arr1=np.array([[1,2,3,4],[1,4,5,6],[3,5,6,7]])   #创建多维数组
  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]
             

• 数组的统计分析

  arr=np.array([2,5,6,8,3])
  print(arr)
  print(np.sort(arr))         #sort（）函数对数组进行排序
  print(np.sum(arr))          #sum（）函数对数组进行求和
  print(np.mean(arr))         #mean（）函数对数组求均值
  print(np.std(arr))          #std（）函数对数组求标准差
             

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

• 数组的矩阵操作

  arr=np.arange(3)
  matr1=np.mat("1 4 5;3 5 6;3 7 9")     #使用mat（）函数创建矩阵
  print(arr)
  print(matr1)
  print(np.dot(arr,matr1))              #使用dot（）函数进行arr和matr1矩阵之间的相乘
             

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