Numpy
2023-06-12 16:26:46 0 举报
AI智能生成
登录查看完整内容
Numpy机器学习
作者其他创作
大纲/内容
定义
核心类
内存风格
ndarray支持向量化并行运算
优势
Numpy介绍
- 形状: shape (重要)
- 维度: ndim
- 元素个数: size
- 元素长度(字节) : itemsize
- 元素数据类型: dtype(重要)
属性
- 整数: 默认 np.int64
- 浮点数: 默认: np.float64
- 字符串: np.string_ (多使用)
数据类型
N维数组
- 根据形状生成全1的数组:
- 根据已知数组的形状生成全1的数组:
- 根据形状生成全0的数组:
- 根据已知数组的形状生成全0的数组:
生成0和1的数组
类似深拷贝
np.array()
类似浅拷贝
np.asarray()
从现有数据生成
- 生成等间隔数组(重点):
生成固定范围的数组
每个数出现概率的都是一样
- low: 下限
- high: 上限
- size: 生成数组的形状
均匀分布
1. 均值决定了: 正态分布的位置
概念
标准正态分布
- loc: 均值
- scale: 标准差
- size: 形状
API
正态分布
生成数组的方法
数组的索引和切片
- 对象.reshape(新形状)
- 返回相同元素新形状ndarray:
- 对象.resize(新形状)
- 修改原数组的形状:
- 对象.T
- 数组转置: 行列互换
形状修改
- 对象.astype(新类型)
- 获取新类型的ndarray:
- 对象.tostring()
- 把ndarray转为二进制数据:
类型修改
- API: np.unique(arr)
- 返回值: 去重后的一维数组.
数组去重
基本操作
- 原理: 数组每一个元素与指定数进行比较
- 数组[条件] = 值
- 修改满足条件数据:
逻辑运算
- np.any(): 只要有True就是True
通用判断函数
- 逻辑与(并且)
- 逻辑或(或者)
np.where
- 最大值: 对象.max(axis)
- 中位数:
- 平均值: mean
- 方差: var
- 标准差: std
- 最大值所在的索引: argmax
- 最小值所在的索引: argmin
统计运算
- 矩阵: 二维数组
- 矩阵加法: 对应位置的元素相加
- 矩阵与标量相乘: 标量和矩阵中每一个元素相乘
- 矩阵相乘*
1. 满足结合律
2. 不满足交换律
- 矩阵乘法性质:
- 主对角线; 从左上角到右下角的那条线
- 性质; 单位矩阵乘以任何矩阵还是这个矩阵.
- 单位矩阵:
A✖️A的逆 = A的逆✖️A = 单位矩阵
- 矩阵的逆:
- 矩阵转置: 行列互换.
矩阵
- 数组中每个元素与数进行运算
1. 数组与数的运算
1. 维度一样
2. shape对应位置参与运算一方为1
- 广播机制:
2. 数组与数组的运算
- 矩阵乘法
- 相同点: 都可以进行矩阵乘法
- matmul: 不能进行矩阵与标量的运算
- dot: 可以进行矩阵与标量的运算
- 不同点:
3. 矩阵运算
数组间运算
ndarray运算
Numpy
0 条评论
回复 删除
下一页