python机器学习-Python 库：Numpy

本文是Python 机器学习系列的一部分。您可以在此处找到本系列之前所有帖子的链接

介绍

到目前为止，您已使用 Anaconda 配置了 ML 环境。

在不同的 Python 库的帮助下，Python 提供了各种功能来支持实现机器学习。从本章开始，我们将开始一一探索和研究它们。

我们将从 NumPy 或 Numerical Python 开始。

什么是 Python NumPy？

在 Python 中安装 NumPy

1. Ubuntu/Linux

sudo apt update -y  
sudo apt upgrade -y  
sudo apt install python3-tk python3-pip -y  
sudo pip install numpy -y

2. Anaconda

conda install -c anaconda numpy  

它是一个强大的 N 维数组，采用行和列的形式。我们可以从嵌套的 Python 列表中初始化 NumPy 数组并访问其元素。

NumPy 数组与标准 Python 库类 array.array 不同，后者只处理一维数组。

1. 一维 NumPy 数组

import numpy as np  
a = np.array([1,2,3])  
print(a)  

上面的代码结果 [1 2 3]

2.多维数组

import numpy as np  
a = np.array([[1,2,3],[4,5,6]])  
print(a)  

import numpy as np  
a = np.array([[1,2,3],[4,5,6]])  
print(a.ndim)  

import numpy as np  
a = np.array([[1,2,3],[4,5,6]])  
print(a.shape)  

import numpy as np  
a = np.array([[1,2,3],[4,5,6]])  
print(a.size)  

import numpy as np  
a = np.array([[1,2,3],[4,5,6]])  
print(a.dtype)  

import numpy as np  
a = np.array([[1,2,3],[4,5,6]], dtype = float)  
print(a.dtype)  

它返回数组每个元素的大小（以字节为单位）。

import numpy as np  
a = np.array([[1,2,3],[4,5,6]])  
print(a.itemsize)  

上述代码的输出将是 4 即 32/8

6. ndarray.data

它返回包含数组实际元素的缓冲区。这是通过索引访问元素的替代方法

import numpy as np  
a = np.array([[1,2,3],[4,5,6]])  
print(a.data)  

上面的代码将返回元素列表

7. ndarray.sum()

该函数将返回 ndarray 的所有元素的总和

import numpy as np  
a = np.random.random( (2,3) )  
print(a)
print(a.sum())  

为我生成的矩阵是 [[0.46541517 0.66668157 0.36277909][0.7115755 0.57306008 0.64267163]]，

因此对我来说，上面的代码将返回 3.422183052180838。由于这里使用的是随机数，因此您可能不会得到相同的输出

8. ndarray.min()

该函数将从 ndarray 返回最小元素值

import numpy as np  
a = np.random.random( (2,3) )  
print(a.min())  

为我生成的矩阵是 [[0.46541517 0.66668157 0.36277909][0.7115755 0.57306008 0.64267163]],

因此对我来说，上面的代码将返回 0.36277909。由于此处使用随机数，因此您可能无法获得相同的输出

9. ndarray.max()

该函数将从 ndarray 返回最大元素值

import numpy as np  
a = np.random.random( (2,3) )  
print(a.max())  

为我生成的矩阵是 [[0.46541517 0.66668157 0.36277909]

因此对我来说，上面的代码将返回 0.7115755。由于此处使用随机数，因此您可能无法获得相同的输出

它是一个python函数，用于返回传递的参数的类型。在 numpy 数组的情况下，它将返回 numpy.ndarray

import numpy as np  
a = np.array([[1,2,3],[4,5,6]])  
print(type(a))  

import numpy as np  
np.zeros((3,3))  
print(a)  

import numpy as np    
np.ones((3,3))    
print(a) 

import numpy as np      
np.empty((3,3))      
print(a)   

import numpy as np  
a=np.arange(5,25,4)  
print(a)  

import numpy as np  
a=np.linspace(5,25,5)  
print(a)  

import numpy as np  
a=np.logspace(5,25,5)  
print(a)  

import numpy as np  
a=np.logspace(5,25,2)  
print(np.sin(a))  

import numpy as np  
a=np.arange(9).reshape(3,3)  
print(a)  

a = np.random.random((2,2))  

b = np.exp([ 10] )  

b = np.sqrt([16])   

a = np.array( [  5 ,  10 ,  15 ,  20 ,  25 ] )  
b = np.array( [ 0, 1, 2, 3 ]  ) 

c = a - b  

b**2  

10* np.sin(a)  

a<15  

a = np.array( [[1,1], [0,1]])  
b = np.array( [[2,0],[3,4]]) 

a * b  

a @ b  

a.dot(b)