机器学习python基础（七）numpy高阶用法

约定不等于承诺〃 2021-11-09 16:52 265阅读 0赞

本文介绍numpy几种高阶用法：

### 文章目录 ###

*  Numpy Broadcasting
 *   *  向量和一个数字相加
     *  二维数组和一个数字相加
     *  二维数组和一维数组相加
     *  Broadcasting的基本原则
 *  Numpy 结构化数据
 *   *  创建无结构化数据
     *  创建结构化数据
     *  使用元组创建结构化数据
     *  RecordArray

# Numpy Broadcasting #

Broadcasting（广播） 解决的是不同形状的矩阵（或者向量）之间的运算问题。  
在代数运算中，不同形状的矩阵（或者向量）之间无法进行基本运算，但是在Numpy中，只要满足一般规则，这个运算的允许的。

## 向量和一个数字相加 ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZzdDQzODA2MDY4NA_size_16_color_FFFFFF_t_70]

## 二维数组和一个数字相加 ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZzdDQzODA2MDY4NA_size_16_color_FFFFFF_t_70 1]

## 二维数组和一维数组相加 ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZzdDQzODA2MDY4NA_size_16_color_FFFFFF_t_70 2]

## Broadcasting的基本原则 ##

整体而言，两个不同形状的矩阵（或者向量）进行基本运算，看两个矩阵（或者向量）的倒序维数。如果**倒序维数**是一致的，则“小矩阵”经过**复制扩展**，和“大矩阵”进行基本运算。例如：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZzdDQzODA2MDY4NA_size_16_color_FFFFFF_t_70 3]

# Numpy 结构化数据 #

numpy里面可以存储结构化数据。

## 创建无结构化数据 ##

![在这里插入图片描述][20190905142124917.png]

## 创建结构化数据 ##

dtype是一个字典，包括names和formats  
![在这里插入图片描述][20190905142527668.png]  
新建一组数据：  
![在这里插入图片描述][20190905142602218.png]  
将数据放入data里面：  
![在这里插入图片描述][20190905142701494.png]  
查看数据：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZzdDQzODA2MDY4NA_size_16_color_FFFFFF_t_70 4]

## 使用元组创建结构化数据 ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZzdDQzODA2MDY4NA_size_16_color_FFFFFF_t_70 5]

## RecordArray ##

RecordArray和structured array一样，但是属性（列向量）可以直接使用\[.属性名\]的方式访问：  
![在这里插入图片描述][20190905163911105.png]  
虽然比较方便，但是效率稍微低一点：  
![在这里插入图片描述][20190905164241302.png]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZzdDQzODA2MDY4NA_size_16_color_FFFFFF_t_70]: /images/20211109/d2059ab2d1ed418cae30cf7c7ca0f53c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZzdDQzODA2MDY4NA_size_16_color_FFFFFF_t_70 1]: /images/20211109/1e24a5969f634565826a71cf02ffde78.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZzdDQzODA2MDY4NA_size_16_color_FFFFFF_t_70 2]: /images/20211109/c6235ced453c4ff9aca29fd387106399.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZzdDQzODA2MDY4NA_size_16_color_FFFFFF_t_70 3]: /images/20211109/ce738bbded434b3aa6be700289690a1d.png
[20190905142124917.png]: /images/20211109/2d176bfa10e14ce2a968c1d8840abd1f.png
[20190905142527668.png]: /images/20211109/cdf0babf34a24ab5b4c2dd741cb20eec.png
[20190905142602218.png]: /images/20211109/18126b78e4d148fe9747638fe942288e.png
[20190905142701494.png]: /images/20211109/99b886fa4d4c42cca36b96793632c559.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZzdDQzODA2MDY4NA_size_16_color_FFFFFF_t_70 4]: /images/20211109/6164cc501d094ab1b1c2b0d6990fa3c2.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZzdDQzODA2MDY4NA_size_16_color_FFFFFF_t_70 5]: /images/20211109/d7da7967c5a74dbe92342c8f746072dd.png
[20190905163911105.png]: /images/20211109/236699e9de1f4282a91925e0215f9889.png
[20190905164241302.png]: /images/20211109/8196398c7fa14861a54520dac51df8e6.png