機器學習- Numpy基礎 吐血整理

Numpy是專門爲數據科學或者數據處理相關的需求設計的一個高效的組件。聽起來是否是挺繞口的，其實簡單來講就2個方面，一是Numpy是專門處理數據的，二是Numpy在處理數據方面很牛逼（確定比Python原生組件牛逼，不然也不會另外再來搞個Numpy了吧）。其實更加細化的來看其實Numpy最經常使用的就是矩陣（Matrix）的處理。如何有一點數據處理方面的經驗的話，不管你每一條數據有多少個features(特徵)，它終究是一個二維的矩陣。因此Numpy在數據處理方面是很是經常使用的。就是簡單點理解就是Numpy其實就是封裝了Python中的list，Numpy其實就是一個high level的List而已，它沒有什麼牛逼的，底層仍是Python。好了，閒話少扯了，上面的我我的以爲說的有點小囉嗦了，容易把人搞暈了。我們仍是直接看看下面的例子，看看Numpy的建立，索引，函數吧。下面並不包括Numpy的全部功能，具體不少細節，你們要學會看文檔，下面的內容主要介紹一些最基本最經常使用的一些功能，下面的內容只是一個方向指導做用，具體在業務需求中須要用到什麼API麻煩仍是要你們本身去找文檔查看吧。

• Numpy的建立和結構分析

好了，既然我們這裏要說說Numpy，那我們就確定得先有一個Numpy對象啊（若是不知道啥叫對象，麻煩你們直接去看Hello world）. 建立Numpy對象的步驟是先導入Numpy庫，而後直接調用array（）方法。詳情請看下面的實例。

import numpy as np
w = np.array([3,0,5])#w is a numpy array
type(w)

上面的代碼實例其實就是建立了一個numpy，注意它這裏的w的類型已經不是list了，而是ndarray(其實就是numpy data array 的簡稱)。 w的值也是array([3,0,5])了，而不是直接的[3,0,5]。這裏直接就從表象（也就是最直觀的方面）區別了numpy array和list的區別了。爲了更加直觀的展示numpy的結構，下面再用一個二維數組的例子來講明。

a = np.array([[1,2],[3,4],[5,6]])#a is a 2-dimensional numpy array
print(a)

上面這是一個二維的Numpy array。其實若是你仔細看，她就是把Python中的list做爲參數傳遞給了numpy.array()這個方法。a的值以下所示

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

到目前爲止，你們確定內心犯嘀咕了，這TM也沒有什麼牛逼的啊，比Python中的list搞得還複雜，畢竟Python中的list也能夠是一維的也能夠是多維的，並且表現形式還更加簡單快速，還更加底層，於是運行速度也更加快。若是僅僅是這麼簡單，說明大家仍是太天真，很傻很可愛。哈哈哈哈哈哈，下面我就來講說社會主義的優越性（錯了，是Numpy在數據處理中的優越性）

• Numpy中經常使用的properties和method

要說Numpy的牛逼之處，就不得不說它提供了豐富的API來快速簡單的操做matrix。首先來介紹一下最經常使用的properties：transpose（T）和shape。這兩個properties（不是我裝逼，真是忘了中文翻譯是啥了，應該叫成員變量仍是啥的）。若是你想轉置一個矩陣，下面一行代碼搞定

a = np.array([[1,2,3],[4,5,6]])
print(a.T)#transpose of matrix a

一行代碼搞定矩陣的轉置，方便吧，上面代碼返回值以下：

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

另一個重要的特性就是shape啦。這個關鍵字能夠直接返回矩陣的row 和 column，在進行數據預處理前，瞭解數據的這些特性，能夠很是有效的幫助咱們瞭解數據。例如上面咱們的a是一個2行3列的矩陣，那麼下面的代碼就返回(2,3)

a.shape #return a tuple (2,3)

另外，Numpy中有一個很是經常使用的函數叫作reshape（），它的參數分別是row和column的數量，記住reshape先後，元素的數量要一致，不然會報錯。什麼意思呢，就是加入一個矩陣a是2*3的矩陣，那麼你能夠reshape（3,2）或者reshape（6,1），若是你reshape（2,1）它就會報錯。仍是那上面的例子吧，參看下面的例子

a1 = a.reshape(3,2)
a2 = a.reshape(6,1)

上面的返回值分別是

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

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

這個功能是否是很牛逼呢。哈哈。。

• Index 和 slicing

既然是矩陣，indexing和slicing應該是常常要用到的，在機器學習中，尤爲是slicing更是幾乎都要用到。首先index的話，既能夠直接索引一個元素，也能夠索引一行數據或者一列數據。具體的實例以下所示

a = np.array([[1,2,3],[4,5,6]]) #create a 2d numpy array
a[0,1]#retrieve the element in the numpy array a with the index of (row = 0, column = 1)
a[0]#retrieve the first row of the matrix a， the effect is the same as a[0,:]
a[:,1]#retrieve the second column of the matrix a

具體的代碼解釋就看看上面的註釋就好了。這裏須要解釋一下細節部分就是上面a[0,1]返回的是一個scalar（實數），a[0]和a[:,1]返回的都是一維numpy數組，即便是取的第二列數據，也是一維的而不是二維的。即上面代碼的返回值以下：

2
array([1,2,3])
array([2,5])

對於slicing而言，她的返回值的維數始終等於原數組的維數，這句話啥意思呢，簡單來講，slicing分割出來的結果，哪怕只是分割一個元素，它的維數也是跟原數組的維數同樣。例如分割一個二維數組，不管你怎麼分割，它的結果都是二維的。這是跟index最大的一個區別。slicing 的結構是 array[row_start:row_end, column_start:column_end]. 具體的實例以下所示

a[0:1,:]# return the first row, 2d array
a[:,0:1]# return the first column, 2d array
a[0:1,0:1]#return the cross of first row and first column, it is still a 2d numpy array though is a single element

看看上面的分割例子，第一個是隻沿着row的方向分割，第二個是隻沿着column的方向分割，第三個是即沿着row也沿着column的方向分割。他們的結果的structure都是和a的structure同樣，都是二維的。結果以下：

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

總結：最後國際慣例都來個大總結啦。其實在機器學習中numpy的經常使用用法就上面這些，例如建立，index，slicing，transpose和reshape。這些方法和應用場景是最多見的。雖然前面說了這麼多numpy的介紹，可是numpy的庫博大精深，數以萬計的api等待着你們去探索。哈哈哈，莫慌莫慌。隨後numpy至關於封裝了Python中的list，可是在後面大家會看見，機器學習的實踐中直接操做numpy的概率比較少，由於後面還有更牛逼的處理數據的庫，那就是大boss---pandas。 大家也能夠理解pandas是對numpy的進一步抽象和封裝，使用起來更加方便快捷。因此你們先理解，記住關鍵是理解numpy的形式和思路就行，不是把上面的內容死記硬背下來，那樣沒有意義，關鍵是一種學習的方法和學習的能力。把基本功練紮實了，我們才能一塊兒一路打怪升級。