Press "Enter" to skip to content

机器学习矩阵运算必学库Numpy首秀!

本站内容均来自兴趣收集,如不慎侵害的您的相关权益,请留言告知,我们将尽快删除.谢谢.

 

大家好,我是Peter~

 

开始更新numpy相关的文章,本文介绍numpy中的25个小案例,主要内容是如何利用numpy来生成向量(一维数组),矩阵和高维数组等

 

numpy介绍

 

NumPy(Numerical Python) 是 Python 语言的一个扩展程序库,支持大量的维度数组与矩阵运算,此外也针对数组运算提供大量的数学函数库。

 

NumPy 是一个运行速度非常快的数学库,主要用于数组计算,包含:

 

一个强大的N维数组对象 ndarray

 

广播功能函数

 

整合 C/C++/Fortran 代码的工具

 

线性代数、傅里叶变换、随机数生成等功能

 

导入numpy

 

import numpy as np

 

打印numpy的版本和配置信息

 

print(np.version)

 

<module 'numpy.version' from '/Applications/downloads/anaconda/anaconda3/lib/python3.7/site-packages/numpy/version.py'>

 

print(np.show_config)

 

<function show at 0x1060cc560>

 

查看函数帮助文档

 

# np.info(np.abs)

 

创建0向量

 

np.zeros(10)

 

array([0., 0., 0., 0., 0., 0., 0., 0., 0., 0.])

 

np.zeros((5,2))

 

array([[0., 0.],
[0., 0.],
[0., 0.],
[0., 0.],
[0., 0.]])

 

np.zeros((2,2,3))

 

array([[[0., 0., 0.],
[0., 0., 0.]],

[[0., 0., 0.],
[0., 0., 0.]]])

 

改变0向量指定位置的值

 

z = np.zeros((3,4))
z

 

array([[0., 0., 0., 0.],
[0., 0., 0., 0.],
[0., 0., 0., 0.]])

 

z[2,3] = 1
z[1,1] = 2

z

 

array([[0., 0., 0., 0.],
[0., 2., 0., 0.],
[0., 0., 0., 1.]])

 

找到非0的值

 

np.nonzero(z)

 

(array([1, 2]), array([1, 3]))

 

创建全1向量、数组

 

np.ones(6)

 

array([1., 1., 1., 1., 1., 1.])

 

np.ones((3,2))

 

array([[1., 1.],
[1., 1.],
[1., 1.]])

 

np.ones([2,3,2])

 

array([[[1., 1.],
[1., 1.],
[1., 1.]],

[[1., 1.],
[1., 1.],
[1., 1.]]])

 

创建单位矩阵-eye

 

np.eye(4)

 

array([[1., 0., 0., 0.],
[0., 1., 0., 0.],
[0., 0., 1., 0.],
[0., 0., 0., 1.]])

 

np.eye(4,dtype=int)

 

array([[1, 0, 0, 0],
[0, 1, 0, 0],
[0, 0, 1, 0],
[0, 0, 0, 1]])

 

自定义数据类型

 

np.ones([2,3])  # 默认是浮点数

 

array([[1., 1., 1.],
[1., 1., 1.]])

 

np.ones([2,3],dtype=int)  # 指定为int类型

 

array([[1, 1, 1],
[1, 1, 1]])

 

列表转数组

 

lst = [1,2,3,4]

np.array(lst)

 

array([1, 2, 3, 4])

 

# 指定数组类型

lst = [1,2,3,4]
np.array(lst, dtype=float)

 

array([1., 2., 3., 4.])

 

嵌套列表转数组

 

lst1 = [[1,2,3],[4,5,6]]

np.array(lst1)

 

array([[1, 2, 3],
[4, 5, 6]])

 

# 指定数据类型

lst1 = [[1,2,3],[4,5,6]]

np.array(lst1, dtype=float)

 

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

 

元组转数组

 

t1 = (9,8,7)
np.array(t1)

 

array([9, 8, 7])

 

嵌套元组转数组

 

t2 = ((9,8,7),(6,5,4))
np.array(t2)

 

array([[9, 8, 7],
[6, 5, 4]])

 

列表和元组混合

 

lt = [(1,2,3),(7,8,9)]

np.array(lt)

 

array([[1, 2, 3],
[7, 8, 9]])

 

迭代器转数组

 

range_number = range(3,8)

np.array(range_number)

 

array([3, 4, 5, 6, 7])

 

# 指定类型

range_number = range(3, 8)
np.array(range_number, dtype=float)

 

array([3., 4., 5., 6., 7.])

 

特殊矩阵1

 

边界值为1,其他为0

 

b = np.ones([6,6])
b

 

array([[1., 1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1., 1.]])

 

b[1:-1,1:-1] = 0

b

 

array([[1., 1., 1., 1., 1., 1.],
[1., 0., 0., 0., 0., 1.],
[1., 0., 0., 0., 0., 1.],
[1., 0., 0., 0., 0., 1.],
[1., 0., 0., 0., 0., 1.],
[1., 1., 1., 1., 1., 1.]])

 

特殊矩阵2

 

用0填充矩阵的边界

 

c = np.ones((6,6))
c

 

array([[1., 1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1., 1.]])

 

np.pad(c,pad_width=1,mode="constant",constant_values=0)

 

array([[0., 0., 0., 0., 0., 0., 0., 0.],
[0., 1., 1., 1., 1., 1., 1., 0.],
[0., 1., 1., 1., 1., 1., 1., 0.],
[0., 1., 1., 1., 1., 1., 1., 0.],
[0., 1., 1., 1., 1., 1., 1., 0.],
[0., 1., 1., 1., 1., 1., 1., 0.],
[0., 1., 1., 1., 1., 1., 1., 0.],
[0., 0., 0., 0., 0., 0., 0., 0.]])

 

特殊矩阵3

 

6*6的矩阵,对角线下方的值为1,2,3,4,5

 

np.diag(1 + np.arange(5), k=-1)

 

array([[0, 0, 0, 0, 0, 0],
[1, 0, 0, 0, 0, 0],
[0, 2, 0, 0, 0, 0],
[0, 0, 3, 0, 0, 0],
[0, 0, 0, 4, 0, 0],
[0, 0, 0, 0, 5, 0]])

 

np.arange函数

 

numpy 包中的使用 arange 函数创建数值范围并返回 ndarray 对象,函数使用方法为:

 

numpy.arange(start, stop, step, dtype)

 

start:起始值,默认为0

 

stop:终止值,不包含

 

step:步长,默认为1

 

dtype:返回数组的数据类型

 

np.arange(10)

 

array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

 

# 指定步长
np.arange(0,10,2)

 

array([0, 2, 4, 6, 8])

 

# 指定类型
np.arange(0,10,2,dtype=float)

 

array([0., 2., 4., 6., 8.])

 

创建随机数组

 

np.random.random((2,3,2))

 

array([[[0.56045087, 0.15566786],
[0.34963774, 0.51837142],
[0.68895046, 0.04980068]],

[[0.98352437, 0.47189043],
[0.30430488, 0.49057744],
[0.20020709, 0.90466043]]])

 

Pandas数据转数组

 

import pandas as pd
s = pd.Series([1,2,3,4])

np.array(s)

 

array([1, 2, 3, 4])

 

d = pd.DataFrame([[1,2,3,4],[9,8,7,6]])

np.array(d)

 

array([[1, 2, 3, 4],
[9, 8, 7, 6]])

 

反转数组

 

ten = np.arange(10)
ten

 

array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

 

ten[::-1]

 

array([9, 8, 7, 6, 5, 4, 3, 2, 1, 0])

 

reshape函数

 

主要是用来改变数组的形状

 

arr = np.arange(16)
arr

 

array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15])

 

arr.shape

 

(16,)

 

arr.reshape((4,4))

 

array([[ 0,  1,  2,  3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11],
[12, 13, 14, 15]])

 

arr.reshape((2,8))

 

array([[ 0,  1,  2,  3,  4,  5,  6,  7],
[ 8, 9, 10, 11, 12, 13, 14, 15]])

 

arr.reshape((8,2))

 

array([[ 0,  1],
[ 2, 3],
[ 4, 5],
[ 6, 7],
[ 8, 9],
[10, 11],
[12, 13],
[14, 15]])

 

arr.reshape((1,16))

 

array([[ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15]])

 

我们需要特别注意-1的使用,numpy会自动生成相应的shape值

 

arr.reshape((8,-1))

 

array([[ 0,  1],
[ 2, 3],
[ 4, 5],
[ 6, 7],
[ 8, 9],
[10, 11],
[12, 13],
[14, 15]])

 

arr.reshape((-1,8))

 

array([[ 0,  1,  2,  3,  4,  5,  6,  7],
[ 8, 9, 10, 11, 12, 13, 14, 15]])

 

np.linspace函数

 

用于构建一个等差数列的数组,使用方法为:

 

np.linspace(
start, # 起始值
stop, # 终止值,如果endpoint为true,该值包含于数列中
num=50, # 生成的样本量,默认为50
endpoint=True, #是否包含末尾的值;默认为True
retstep=False, # 为True时,生成的数组中会显示间距,反之不
dtype=None # 数据类型
)

 

np.linspace(1,10,5)

 

array([ 1.  ,  3.25,  5.5 ,  7.75, 10.  ])

 

可以不包含末尾的数值:

 

np.linspace(1,10,5,endpoint=False)

 

array([1. , 2.8, 4.6, 6.4, 8.2])

 

全部是1的等差数列:

 

# 全部是1的等差数列
np.linspace(1,1,10)

 

array([1., 1., 1., 1., 1., 1., 1., 1., 1., 1.])

 

加上restep参数,则会显示步长:

 

np.linspace(1,10,5,retstep=True)

 

(array([ 1.  ,  3.25,  5.5 ,  7.75, 10.  ]), 2.25)

 

np.logspace函数

 

主要是用于生成等比数列,使用方法为:

 

np.logspace(
start, # base ** start(指数)
stop, # base ** stop;如果endpoint为true,该值包含于数列中
num=50,
endpoint=True,
base=10.0, # 默认底数为10
dtype=None
)

 

np.logspace(1,5,num=10)

 

array([1.00000000e+01, 2.78255940e+01, 7.74263683e+01, 2.15443469e+02,
5.99484250e+02, 1.66810054e+03, 4.64158883e+03, 1.29154967e+04,
3.59381366e+04, 1.00000000e+05])

 

指定不同的底数;第一个数为2的0次方,为1:

 

np.logspace(0,8,num=10,base=2)

 

array([  1.        ,   1.85174942,   3.42897593,   6.34960421,
11.75787594, 21.77264 , 40.3174736 , 74.

 

 

Be First to Comment

发表评论

您的电子邮箱地址不会被公开。