Python 機器學習庫 NumPy 教程

0 Numpy簡單介紹

Numpy是Python的一個科學計算的庫，提供了矩陣運算的功能，其通常與Scipy、matplotlib一塊兒使用。其實，list已經提供了相似於矩陣的表示形式，不過numpy爲咱們提供了更多的函數。若是接觸過matlab、scilab，那麼numpy很好入手。

NumPy函數庫中存在兩種不一樣的數據類型（矩陣matrix和數組array）,均可以用於處理行列表示的數字元素。調用mat()函數能夠將數組轉化爲矩陣，輸入命令以下：

np.mat(np.random.rand(1,4))

1 安裝

pip install numpy

在NumPy中，維度稱之爲axis（複數是axes），維度的數量稱之爲rank。

（通用作法import numpu as np 簡單輸入）

2 多維數組

NumPy的數組類是ndarray，它有一個別名是 numpy.array，但這與Python標準庫的array.array並不同。後者僅僅是一個一維數組。而ndarray具備如下的屬性：

• ndarray.ndim：數組的維數。在Python世界中，維數稱之爲rank
• ndarray.shape：數組的維度。這是一系列數字，長度由數組的維度（ndim）決定。例如：長度爲n的一維數組的shape是n。一個n行m列的矩陣的shape是n,m
• ndarray.size：數組中全部元素的數量
• ndarray.dtype：數組中元素的類型，例如numpy.int32, numpy.int16或者numpy.float64
• ndarray.itemsize：數組中每一個元素的大小，單位爲字節
• ndarray.data：存儲數組元素的緩衝。一般咱們只須要經過下標來訪問元素，而不須要訪問緩衝

以list或tuple變量爲參數產生一維數組：

np.array([1,2,3,4]) 

np.array((1.2,2,3,4))  

以list或tuple變量爲元素產生二維數組或者多維數組：

np.array(((1,2,3),(4,5,6)))  

np.array([[1,2,3],[4,5,6]])  

咱們也能夠在建立數組的時候，指定元素的類型，例如這樣：

np.array([[1,2],[3,4]], dtype=complex )

能夠使用astype轉換類型，在處理文件時候這個會很實用，注意astype 調用會返回一個新的數組，也就是原始數據的一份拷貝。

numeric_strings2 = np.array(['1.23','2.34','3.45'],dtype=np.string_)
print(numeric_strings2)
[b'1.23' b'2.34' b'3.45']

t=numeric_strings2.astype(float)
print(t)
[ 1.23  2.34  3.45]

3 numpy索引(index)與切片(slicing)

• index 和slicing ：第一數值相似數組橫座標，第二個爲縱座標；

x=np.array(((1,2,3,4),(5,6,7,8),(9,10,11,12)))
y=x[:,1]
y[0]=20
print(y)
print(x)

結果：

 

經過上面能夠發現改變y會改變x ，於是咱們能夠推斷，y和x指向是同一塊內存空間值，系統沒有爲y 新開闢空間把x值賦值過去。

arr = np.arange(10)
arr[3:6]=10
print(arr)

結果：

 

思考爲何這麼設計？ Numpy 設計是爲了處理大數據，若是切片採用數據複製話會產生極大的性能和內存消耗問題。

•  假如說須要對數組是一份副本而不是視圖能夠以下操做：

arr = np.arange(10) 
arr_copy = arr[3:6].copy() 
print(arr_copy)
arr_copy[:]=24 
print(arr_copy)
print(arr)

結果：

 

• 再看下對list 切片修改（這裏設計到python 中深淺拷貝，其中切片屬於淺拷貝）：

l=[0, 1, 2, 3, 4, 5, 6, 7, 8, 9] 
l[5:8] = 12 #報錯 TypeError: can only assign an iterable
print(l)
l1= l[5:8]
print(l1)
l1[0]=12 
print(l1)
print(l)

結果：

 

4 多維數組索引（index）、切片(slicing)

arr2d = np.arange(1,10).reshape(3,3)
print(arr2d)
print(arr2d[2])
print(arr2d[0][2])
print(arr2d[0,2])

結果：

 

5 基本的矩陣運算

轉置：

a = np.array([[1,0],[2,3]])
print(a)
print()
print(a.transpose())

結果：

 

特徵值、特徵向量：

 

 

6 Shape與操做

除了生成數組以外，當咱們已經持有某個數據以後，咱們可能會須要根據已有數組來產生一些新的數據結構，這時候咱們能夠使用下面這些函數：

• reshape：根據已有數組和指定的shape，生成一個新的數組
• vstack：用來將多個數組在垂直（v表明vertical）方向拼接（數組的維度必須匹配）
• hstack：用來將多個數組在水平（h表明horizontal）方向拼接（數組的維度必須匹配）
• hsplit：用來將數組在水平方向拆分
• vsplit：用來將數組在垂直方向拆分

7 特定array的建立

 

在實際上的項目工程中，咱們經常會須要一些特定的數據，NumPy中提供了這麼一些輔助函數:

• zeros：用來建立元素所有是0的數組
• ones：用來建立元素所有是1的數組
• empty：用來建立未初始化的數據，所以是內容是不肯定的
• arange：經過指定範圍和步長來建立數組
• linespace：經過指定範圍和元素數量來建立數組
• random：用來生成隨機數

 

參考：

numpy 基礎入門 - 30分鐘學會numpy 

Python 機器學習庫 NumPy 教程