機器學習——numpy

1.安裝numpy

pip install numpy

numpy是python語言的一個擴充程序庫。支持高級大量的維度數組與矩陣運算，此外也針對數組運算提供大量的數學函數庫。numpy內部解除了python的PIL(全局解釋器鎖),運算效率極好,是大量機器學習框架的基礎庫!

numpy導包

import numpy as np

 

#打印版本號

print(np.version.version)

 

#聲明一個numpy數組

nlist = np.array([1,2,3])

print(nlist)

 

#ndim方法用來查看數組維度

print(nlist.ndim)

 

#聲明一個二維數組

nlist_2 = np.array([[1,2,3],[4,5,6]])

print(nlist_2)

print(nlist_2.ndim)

 

#使用shape屬性來打印多維數組的形狀

print(nlist.shape)

print(nlist_2.shape)

 

#使用shape屬性來打印多維數組的形狀

print(nlist.shape)

print(nlist_2.shape)

 

#打印numpy多維數組的數據類型

#打印普通list

print(type([1,2,3]))

print(type(nlist))

 

#使用dtype屬性來打印多維數組內部元素的數據類型

print(type(123))

print(nlist.dtype)

 

#itemsize屬性，來打印多維數組中的數據類型大小，字節

print(nlist.itemsize)

 

#data屬性，用來打印數據緩衝區 buffer

print(nlist.data)

 

#使用reshape方法來反向生成多維數組

nlist_3 = np.array(range(24)).reshape((3,2,4))

print(nlist_3)

 

#使用浮點做爲元素類型

nlist_float = np.array([1.0,2.0,3.0])

print(nlist_float.dtype)

 

#使用字符串

nlist_string = np.array(['1','2','3'])

print(nlist_string.dtype)

 

# data = np.arange(5)#生成區間數組  左閉右開

# data

 

# print(np.sum(data))#求和

# print(np.max(data))#最大值

# print(np.min(data))#最小值

# print(np.mean(data))#平均值

# print(np.std(data))#標準差

# print(np.var(data))#方差

Sum 求和

Max 最大值

Min 最小值

Mean 平均值

Std 標準差

Var 方差

 

#轉換

data = data.tolist() #tolist將ndarray轉成list

print(data)

data = np.array([1,2,3,4]) #將list轉成ndarrary

print(data)

 

 

 

 

總結:

array 聲明numpy數組

ndim 查看數組的維度

shape 查看多維數組的形狀

size  查看多維數組元素的個數

type 查看多維數組的數據類型

dtype 查看多維數組內部元素的數據類型

即多維數組中元素的數據類型，能夠是自定義的數據類型，能夠是python原生數據類型，也能夠是numpy中獨有的數據類型。好比numpy.int32, numpy.int16, and numpy.float64 

reshape反向生成多維數組()括號裏面有幾個參數就是幾維，參數相乘等於range裏面的參數  

arange 生成區間數組

itemsize 查看多維數組中的數據類型大小，字節

即多維數組元素的字節數，一個元素類型爲float64的數組itemsiz屬性值爲8(=64/8),又如,一個元素類型爲complex32的數組item屬性爲4(=32/8) 

data 查看數據緩衝區

即實際數組元素的緩衝區，也就是內在地址。一般用不到，由於通常咱們是經過索引來訪問元素的。在python原生的數據類型中，可經過id(變量名)來得到變量的內存地址