Python机器学习基础之Numpy-蒲公英云

Python机器学习基础之Numpy

看不到太远就把眼前做到最好，做眼前获利最大的事。

python的列表可以包含多种类型的数据，比如一个列表arr= 【‘2’，‘mane’，‘7.23’】这使得它在处理效率上不太高。

如果我们只需要处理数据不需要处理别的，想高效一点呢？python提供了array（注意不再是List），也就是数组，它只能存储一种数据类型，最初赋值是啥类型就是啥类型的数组。

但是array不能处理矩阵，这对机器学习不好。

numpy包应运而生。

numpy是：只处理一种类型的可以进行向量或矩阵运算的包。

可以通过.dtpye来查询一个数组的类型。

例如：arr=【1，2，3】那arr.dtype=’int64’

如果一个已经是整形的数组赋值“字符串”会报错，但是赋值浮点型就不会，python会自动进行一个类型转换。

#写一个列表
list1=[i for i in range(10)]
#结果：list1=[0,1,2,3,4,5,6,7,8,9]
#写一个数组
'''i 代表这个数组里是整数，python将会暂时分配2个字节给它'''
import array
arr1=array.array('i',[i for i in range(10)]) 
#结果：arr1=array('i', [0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
#写一个numpy数组
import numpy as np
nparr=np.array([i for i in range(10)])
#结果：nparr=[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]