机器学习——numpy
1.安装numpy
pip install numpy
numpy是python语言的一个扩充程序库。支持高级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内部解除了python的PIL(全局解释器锁),运算效率极好,是大量机器学习框架的基础库!
numpy导包
import numpy as np
#打印版本号
print(np.version.version)
#声明一个numpy数组
nlist = np.array([1,2,3])
print(nlist)
#ndim方法用来查看数组维度
print(nlist.ndim)
#声明一个二维数组
nlist_2 = np.array([[1,2,3],[4,5,6]])
print(nlist_2)
print(nlist_2.ndim)
#使用shape属性来打印多维数组的形状
print(nlist.shape)
print(nlist_2.shape)
#使用shape属性来打印多维数组的形状
print(nlist.shape)
print(nlist_2.shape)
#打印numpy多维数组的数据类型
#打印普通list
print(type([1,2,3]))
print(type(nlist))
#使用dtype属性来打印多维数组内部元素的数据类型
print(type(123))
print(nlist.dtype)
#itemsize属性，来打印多维数组中的数据类型大小，字节
print(nlist.itemsize)
#data属性，用来打印数据缓冲区 buffer
print(nlist.data)
#使用reshape方法来反向生成多维数组
nlist_3 = np.array(range(24)).reshape((3,2,4))
print(nlist_3)
#使用浮点作为元素类型
nlist_float = np.array([1.0,2.0,3.0])
print(nlist_float.dtype)
#使用字符串
nlist_string = np.array(['1','2','3'])
print(nlist_string.dtype)
# data = np.arange(5)#生成区间数组 左闭右开
# data
# print(np.sum(data))#求和
# print(np.max(data))#最大值
# print(np.min(data))#最小值
# print(np.mean(data))#平均值
# print(np.std(data))#标准差
# print(np.var(data))#方差
Sum 求和
Max 最大值
Min 最小值
Mean 平均值
Std 标准差
Var 方差
#转换
data = data.tolist() #tolist将ndarray转成list
print(data)
data = np.array([1,2,3,4]) #将list转成ndarrary
print(data)
总结:
array 声明numpy数组
ndim 查看数组的维度
shape 查看多维数组的形状
size 查看多维数组元素的个数
type 查看多维数组的数据类型
dtype 查看多维数组内部元素的数据类型
即多维数组中元素的数据类型，可以是自定义的数据类型，可以是python原生数据类型，也可以是numpy中独有的数据类型。比如numpy.int32, numpy.int16, and numpy.float64
reshape反向生成多维数组()括号里面有几个参数就是几维，参数相乘等于range里面的参数
arange 生成区间数组
itemsize 查看多维数组中的数据类型大小，字节
即多维数组元素的字节数，一个元素类型为float64的数组itemsiz属性值为8(=64/8),又如,一个元素类型为complex32的数组item属性为4(=32/8)
data 查看数据缓冲区
即实际数组元素的缓冲区，也就是内在地址。通常用不到，因为一般我们是通过索引来访问元素的。在python原生的数据类型中，可通过id(变量名)来获得变量的内存地址
