机器学习——Numpy基础学习

太过爱你忘了你带给我的痛 2022-05-21 10:28 410阅读 0赞

# 一、背景知识 #

以往用python创建二维数组/列表，可以这样写：

2d_array = [[0 for col in range(cols)] for row in range(rows)]

但是如果要创建三维，n维数组怎么办呢？  
这时候就需要用到今天学的Numpy这个库来创建数组  
比如用Numpy中的arange方法快速创建一个一维数组：

import numpy as np  #引入numpy库并取别名为np(取别名方便之后编写）
    a = np.arange(10)  #指将数值0 1 2 3 ...9赋值给a这个变量，即一个一维数组

创建多维数组的方法：  
创建一个2\*6的二维数组：

import numpy as np
    b = np.array([np.arange(6),np.arange(6)])

创建一个4\*5的二维数组：

import numpy as np
    x = [y for y in range(6)]
    b=np.array([x]*4)

--------------------

# 二、基本运算 #

Numpy库可以直接进行一些四则运算，快速的处理两个Numpy数组

##### 初始a , b数组 #####

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

*  加法

输入In:np.add(a,b) 或 a+b
    输出Out:array([[5, 7, 9],
         [5, 7, 9]])

*  减法

In:np.subtract(a,b) 或 a-b
    Out:array([[-3, -3, -3],
         [ 3,  3,  3]])

*  乘法

In:np.multiply(a,b) 或 a * b
    Out:array([[ 4, 10, 18],
         [ 4, 10, 18]])

*  除法

In:np.devide(a,b) 或 a/b
    Out:array([[ 0.25,  0.4 ,  0.5 ],
         [ 4.  ,  2.5 ,  2.  ]])

##### 向量与标量之间的简单运算 #####

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

*  加法

In:  a +1
    Out:array([[2, 3, 4],
         [5, 6, 7]])

*  减法

In:  a -1
    Out:array([[0, 1, 2],
         [3, 4, 5]])

*  乘法

In: a*2
    Out:array([[ 2,  4,  6],
         [ 8, 10, 12]])

*  除法

In: a/2
    Out:array([[ 0.5,  1. ,  1.5],
         [ 2. ,  2.5,  3. ]])

*  求余

In:a%2
    Out:array([[1, 0, 1],
         [0, 1, 0]])

*  矩阵转置

In:a.T
    Out:array([[1, 4],
         [2, 5],
         [3, 6]])

*  矩阵的逆（充要条件是矩阵满秩）

import numpy as np
    import numpy.linalg as lg
    a = np.array([[1,2,3],[4,5,6],[7,8,9]])
    In:lg.inv(a)
    Out:array([[  3.15251974e+15,  -6.30503948e+15,   3.15251974e+15],
         [ -6.30503948e+15,   1.26100790e+16,  -6.30503948e+15],
         [  3.15251974e+15,  -6.30503948e+15,   3.15251974e+15]])

##### 数组的切片 #####

一维Numpy数组的切片操作与Python列表的切片一样。下面首先来定义数字0 1 2 直到8的数组，然后通过指定下标3到7来选择数组的部分元素，这实际上就是提取数组中值为3到6的元素。

In: import numpy as np
    In: a = np.arange(9)
    In: a[3:7]
    Out: array([3,4,5,6])

同时用下标选择元素，下标范围从0到7，并且下标每次递增2，如下所示：

In: a[:7:2]
    Out:array([0,2,4,6])

也可以像Python数组一样，用负值下标来反转数组：

In: a[::-1]
    Out: array([8,7,6,5,4,3,2,1,0])

对于二维数组的索引，类似与Python数组的列表

In: a=np.array([[1,2,3],[4,3,2]])
    In: a[1][0] 
    Out:array([4])
    In:a[1,:2]
    Out:array([4, 3])

--------------------

# 三、数组的拆分与堆叠 #

使用Numpy，我们可以方便的更改数组的形状，比如使用reshape()、ravel()、flatten()、transpose()函数等。  
具体的使用如下：

*  reshape（）改变数组的形状

import numpy as np
    In: b = np.arange(24).reshape(2,3,4)
    In: b
    Out: array([[[ 0,  1,  2,  3],
            [ 4,  5,  6,  7],
            [ 8,  9, 10, 11]],
           [[12, 13, 14, 15],
            [16, 17, 18, 19],
            [20, 21, 22, 23]]])

*  revel（）将多维数组变一维数组

In:  b.ravel()
    Out: array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16,
           17, 18, 19, 20, 21, 22, 23])

*  flatten（） 其功能与ravel()相同，但是flatten()返回的是真实的数组

In:  b.flatten()
    Out: array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16,
           17, 18, 19, 20, 21, 22, 23])

*  shape() 使用原数组改变数组形状

In: b.shape = (6,4)
    In: b
    out: array([[ 0,  1,  2,  3],
           [ 4,  5,  6,  7],
           [ 8,  9, 10, 11],
           [12, 13, 14, 15],
           [16, 17, 18, 19],
           [20, 21, 22, 23]])

##### 数组的堆叠 #####

从深度看，数组既可以横向叠放，也可以竖向叠放。因此，我们我们对数组进行堆叠，Numpy数组对堆叠包含以下几个函数：  
首先创建两个数组

In: a = np.arange(9).reshape(3,3)
    In: a
    Out: array([[0, 1, 2],
           [3, 4, 5],
           [6, 7, 8]])
    In: b = a*2
    In: b
    Out: array([[ 0,  2,  4],
           [ 6,  8, 10],
           [12, 14, 16]])

*  hstack() 水平叠加

In: np.hstack((a,b))  # 注意 这里是两层括号
    Out: array([[ 0,  1,  2,  0,  2,  4],
           [ 3,  4,  5,  6,  8, 10],
           [ 6,  7,  8, 12, 14, 16]])

*  vstack() 垂直叠加

In: np.vstack((a,b))
    Out:array([[ 0,  1,  2],
           [ 3,  4,  5],
           [ 6,  7,  8],
           [ 0,  2,  4],
           [ 6,  8, 10],
           [12, 14, 16]])

还有深度叠加dstack（）

##### 数组的拆分 #####

准备数组

import numpy as np
    In: a= np.arange(9).reshape(3,3)
    In: a
    Out: array([[0, 1, 2],
           [3, 4, 5],
           [6, 7, 8]])

*  hsplit() 横向拆分

In: np.hsplit(a,3)
    Out:[array([[0],[3], [6]]), 
        .  array([[1], [4],[7]]), 
           array([[2],[5], [8]])]

*  vsplit() 纵向拆分

In: np.vsplit(a,3)
    Out: [array([[0, 1, 2]]), array([[3, 4, 5]]), array([[6, 7, 8]])]

还有深度拆分 dsplit（）

--------------------

以上就是关于Numpy的一些基础知识，对使用数组十分便利！！！