機器學習框架學習筆記- Numpy進階

布爾型索引

布爾型索引其實很好理解，簡單的說有兩個數組，一個數組用於儲存姓名，一個數組用於儲存數據，布爾型索引就是讓這兩個數組能互相交互，經過查詢姓名數組中的人名來獲得對應數據數組裏面的值。

首先咱們先建立兩個數組

注意：名字數組裏面是幾，那麼對應的數據數組裏面的行軸就必須是幾

經過 ==（等於）號 將名字數組變成一個布爾型的數組

經過 ！=（不等）和 ~ 號也能夠反轉條件

也能夠組合多個布爾條件：

mask = (name == '高天') | （name == '王琴'）
data[mask]
#使用&（和）、|（或）之類 的布爾算術運算符
複製代碼

將data中的負值設置爲0

data[data<0]=0
data[data==0]=1#設爲其餘值
data[name != '高天']=7#其餘的傳值方法複製代碼

花式索引數

花式索引在概念上很是簡單，它意味着傳遞一個索引數組來一次性得到多個數組元素

花式索引和切片不同，它老是將數據複製到新數組中。

數組轉置和軸對換

轉置是重塑的一種特殊形式，它返回的是源數據的視圖（不會進行任何複製操做）。

transpose函數

arr4.transpose((1,0))#能夠本身嘗試一下複製代碼

swapaxes函數

arr4.awapaxes(1,0)複製代碼

通用函數：快速的元素級數組函數（universal function）

通用函數的全名是universal function（ufunc【縮寫】），numpy提供了大量的ufunc的函數。這些函數在對narray進行運算的速度比使用循環或者列表推導式要快不少，但請注意，在對單個數值進行運算時，python提供的運算要比numpy效率高。

blog.csdn.net/unixtch/art…（詳細請參考）

ufunc一元運算表

二元運算表

利用數組進行數據處理

NumPy數組使你能夠將許多種數據處理任務表述爲簡潔的數組表達式（不然須要編 寫循環）。用數組表達式代替循環的作法，一般被稱爲矢量化。通常來講，矢量化 數組運算要比等價的純Python方式快上一兩個數量級（甚至更多），尤爲是各類數 值計算。

數學和統計方法 

補充：

用於布爾型數組的方法

布爾值會被強制轉換爲1（True）和0（False），所以，sum 常常被用來對布爾型數組中的True值計數。

arr = np.random.randn(100)
(arr>0).sum()複製代碼

any方法和all方法

array.any（）#any用於測試數組中是否 存在一個或多個True
array.all（）#all則檢查數組中全部值是否都是True複製代碼

用於數組的文件輸入輸出 

NumPy可以讀寫磁盤上的文本數據或二進制數據，np.save和np.load是讀寫磁盤數組數據的兩個主要函數。

np.load('文件.npy')#經過np.load讀取文件
np.savez('文件.npz', a=arr,b=arr)#經過np.savez能夠將多個數組保存到一個未壓縮文件中，
#將數組以關鍵字參數的形 式傳入便可複製代碼

僞隨機數生成 

使用normalvariate產生大量樣本值

補充：

隨機漫步 

是根據前100個隨機漫步值生成的折線圖（仔細看一下代碼小夥伴們應該能看懂就不解釋了）

進階的學習筆記大概就更新到這裏，你們的閱讀。

下一篇我想寫關於Numpy高級應用的學習筆記整理

想要一塊兒交流的小夥伴能夠在文章下面留言或者聯繫個人微信