python机器学习常用模块

1、Numpy是什么
很简单，Numpy是Python的一个科学计算的库，提供了矩阵运算的功能，其一般与Scipy、matplotlib一起使用。其实，list已经提供了类似于矩阵的表示形式，不过numpy为我们提供了更多的函数。如果接触过matlab、scilab，那么numpy很好入手。 在以下的代码示例中，总是先导入了numpy：

复制代码 代码如下:

import numpy as np
print np.version.version
1.6.2
2、多维数组
多维数组的类型是：numpy.ndarray。

-- 使用numpy.array方法

以list或tuple变量为参数产生一维数组：

复制代码 代码如下:

print np.array([1,2,3,4])
[1 2 3 4]
print np.array((1.2,2,3,4))
[ 1.2 2. 3. 4. ]
print type(np.array((1.2,2,3,4)))
<type 'numpy.ndarray'>
以list或tuple变量为元素产生二维数组：

复制代码 代码如下:

print np.array([[1,2],[3,4]])
[[1 2]
[3 4]]
生成数组的时候，可以指定数据类型，例如numpy.int32, numpy.int16, and numpy.float64等：

复制代码 代码如下:

print np.array((1.2,2,3,4), dtype=np.int32)
[1 2 3 4]
使用numpy.arange方法

复制代码 代码如下:

print np.arange(15)
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14]
print type(np.arange(15))
<type 'numpy.ndarray'>
print np.arange(15).reshape(3,5)
[[ 0 1 2 3 4]
[ 5 6 7 8 9]
[10 11 12 13 14]]
print type(np.arange(15).reshape(3,5))
<type 'numpy.ndarray'>
使用numpy.linspace方法

例如，在从1到3中产生9个数：

复制代码 代码如下:

print np.linspace(1,3,9)
[ 1. 1.25 1.5 1.75 2. 2.25 2.5 2.75 3. ]
使用numpy.zeros，numpy.ones，numpy.eye等方法可以构造特定的矩阵

例如：

复制代码 代码如下:

print np.zeros((3,4))
[[ 0. 0. 0. 0.]
[ 0. 0. 0. 0.]
[ 0. 0. 0. 0.]]
print np.ones((3,4))
[[ 1. 1. 1. 1.]
[ 1. 1. 1. 1.]
[ 1. 1. 1. 1.]]
print np.eye(3)
[[ 1. 0. 0.]
[ 0. 1. 0.]
[ 0. 0. 1.]]
创建一个三维数组：

复制代码 代码如下:

print np.zeros((2,2,2))
[[[ 0. 0.]
[ 0. 0.]]

[[ 0. 0.]
[ 0. 0.]]]
获取数组的属性：

复制代码 代码如下:

a = np.zeros((2,2,2))
print a.ndim #数组的维数
3
print a.shape #数组每一维的大小
(2, 2, 2)
print a.size #数组的元素数
8
print a.dtype #元素类型
float64
print a.itemsize #每个元素所占的字节数
8
数组索引，切片，赋值

示例：

复制代码 代码如下:

a = np.array( [[2,3,4],[5,6,7]] )
print a
[[2 3 4]
[5 6 7]]
print a[1,2]
7
print a[1,:]
[5 6 7]
print a[1,1:2]
[6]
a[1,:] = [8,9,10]
print a
[[ 2 3 4]
[ 8 9 10]]
使用for操作元素

复制代码 代码如下:

for x in np.linspace(1,3,3):
... print x
...
1.0
2.0
print np.arange(15)
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14]
>>> print type(np.arange(15))
<type 'numpy.ndarray'>
>>> print np.arange(15).reshape(3,5)
[[ 0 1 2 3 4]
[ 5 6 7 8 9]
[10 11 12 13 14]]
>>> print type(np.arange(15).reshape(3,5))
<type 'numpy.ndarray'>
使用numpy.linspace方法

例如，在从1到3中产生9个数：

复制代码 代码如下:

>>> print np.linspace(1,3,9)
[ 1. 1.25 1.5 1.75 2. 2.25 2.5 2.75 3. ]
使用numpy.zeros，numpy.ones，numpy.eye等方法可以构造特定的矩阵

例如：

复制代码 代码如下:

>>> print np.zeros((3,4))
[[ 0. 0. 0. 0.]
[ 0. 0. 0. 0.]
[ 0. 0. 0. 0.]]
>>> print np.ones((3,4))
[[ 1. 1. 1. 1.]
[ 1. 1. 1. 1.]
[ 1. 1. 1. 1.]]
>>> print np.eye(3)
[[ 1. 0. 0.]
[ 0. 1. 0.]
[ 0. 0. 1.]]
创建一个三维数组：

复制代码 代码如下:

>>> print np.zeros((2,2,2))
[[[ 0. 0.]
[ 0. 0.]]

[[ 0. 0.]
[ 0. 0.]]]
获取数组的属性：

复制代码 代码如下:

>>> a = np.zeros((2,2,2))
>>> print a.ndim #数组的维数
3
>>> print a.shape #数组每一维的大小
(2, 2, 2)
>>> print a.size #数组的元素数
8
>>> print a.dtype #元素类型
float64
>>> print a.itemsize #每个元素所占的字节数
8
数组索引，切片，赋值

示例：

复制代码 代码如下:

>>> a = np.array( [[2,3,4],[5,6,7]] )
>>> print a
[[2 3 4]
[5 6 7]]
>>> print a[1,2]
7
>>> print a[1,:]
[5 6 7]
>>> print a[1,1:2]
[6]
>>> a[1,:] = [8,9,10]
>>> print a
[[ 2 3 4]
[ 8 9 10]]
使用for操作元素

复制代码 代码如下:

>>> for x in np.linspace(1,3,3):
... print x
...
1.0
2.0
3.0
基本的数组运算

先构造数组a、b：

复制代码 代码如下:

a = np.ones((2,2))
b = np.eye(2)
print a
[[ 1. 1.]
[ 1. 1.]]
print b
print np.arange(15).reshape(3,5)
[[ 0 1 2 3 4]
[ 5 6 7 8 9]
[10 11 12 13 14]]
>>> print type(np.arange(15).reshape(3,5))
<type 'numpy.ndarray'>
使用numpy.linspace方法

例如，在从1到3中产生9个数：

复制代码 代码如下:

>>> print np.linspace(1,3,9)
[ 1. 1.25 1.5 1.75 2. 2.25 2.5 2.75 3. ]
使用numpy.zeros，numpy.ones，numpy.eye等方法可以构造特定的矩阵

例如：

复制代码 代码如下:

>>> print np.zeros((3,4))
[[ 0. 0. 0. 0.]
[ 0. 0. 0. 0.]
[ 0. 0. 0. 0.]]
>>> print np.ones((3,4))
[[ 1. 1. 1. 1.]
[ 1. 1. 1. 1.]
[ 1. 1. 1. 1.]]
>>> print np.eye(3)
[[ 1. 0. 0.]
[ 0. 1. 0.]
[ 0. 0. 1.]]
创建一个三维数组：

复制代码 代码如下:

>>> print np.zeros((2,2,2))
[[[ 0. 0.]
[ 0. 0.]]

[[ 0. 0.]
[ 0. 0.]]]
获取数组的属性：

复制代码 代码如下:

>>> a = np.zeros((2,2,2))
>>> print a.ndim #数组的维数
3
>>> print a.shape #数组每一维的大小
(2, 2, 2)
>>> print a.size #数组的元素数
8
>>> print a.dtype #元素类型
float64
>>> print a.itemsize #每个元素所占的字节数
8
数组索引，切片，赋值

示例：

复制代码 代码如下:

>>> a = np.array( [[2,3,4],[5,6,7]] )
>>> print a
[[2 3 4]
[5 6 7]]
>>> print a[1,2]
7
>>> print a[1,:]
[5 6 7]
>>> print a[1,1:2]
[6]
>>> a[1,:] = [8,9,10]
>>> print a
[[ 2 3 4]
[ 8 9 10]]
使用for操作元素

复制代码 代码如下:

>>> for x in np.linspace(1,3,3):
... print x
...
1.0
2.0
3.0
基本的数组运算

先构造数组a、b：

复制代码 代码如下:

>>> a = np.ones((2,2))
>>> b = np.eye(2)
>>> print a
[[ 1. 1.]
[ 1. 1.]]
>>> print b
[[ 1. 0.]
[ 0. 1.]]
数组的加减乘除：

复制代码 代码如下:

print a > 2
[[False False]
[False False]]
print a+b
[[ 2. 1.]
[ 1. 2.]]
print a-b
[[ 0. 1.]
[ 1. 0.]]
print b2
[[ 2. 0.]
[ 0. 2.]]
print (a2)(b2)
[[ 4. 0.]
[ 0. 4.]]
print b/(a2)
[[ 0.5 0. ]
[ 0. 0.5]]
print (a2)**4
[[ 16. 16.]
[ 16. 16.]]
使用数组对象自带的方法：

复制代码 代码如下:

a.sum()
4.0
a.sum(axis=0) #计算每一列（二维数组中类似于矩阵的列）的和
array([ 2., 2.])
a.min()
1.0
a.max()
1.0
使用numpy下的方法：

复制代码 代码如下:

np.sin(a)

array([[ 0.84147098, 0.84147098],
[ 0.84147098, 0.84147098]])

np.max(a)
1.0
np.floor(a)
array([[ 1., 1.],
[ 1., 1.]])
np.exp(a)
array([[ 2.71828183, 2.71828183],
[ 2.71828183, 2.71828183]])
np.dot(a,a) ##矩阵乘法

print a.shape #数组每一维的大小
(2, 2, 2)
>>> print a.size #数组的元素数
8
>>> print a.dtype #元素类型
float64
>>> print a.itemsize #每个元素所占的字节数
8
数组索引，切片，赋值

示例：

复制代码 代码如下:

>>> a = np.array( [[2,3,4],[5,6,7]] )
>>> print a
[[2 3 4]
[5 6 7]]
>>> print a[1,2]
7
>>> print a[1,:]
[5 6 7]
>>> print a[1,1:2]
[6]
>>> a[1,:] = [8,9,10]
>>> print a
[[ 2 3 4]
[ 8 9 10]]
使用for操作元素

复制代码 代码如下:

>>> for x in np.linspace(1,3,3):
... print x
...
1.0
2.0
3.0
基本的数组运算

先构造数组a、b：

复制代码 代码如下:

>>> a = np.ones((2,2))
>>> b = np.eye(2)
>>> print a
[[ 1. 1.]
[ 1. 1.]]
>>> print b
[[ 1. 0.]
[ 0. 1.]]
数组的加减乘除：

复制代码 代码如下:

>>> print a > 2
[[False False]
[False False]]
>>> print a+b
[[ 2. 1.]
[ 1. 2.]]
>>> print a-b
[[ 0. 1.]
[ 1. 0.]]
>>> print b2
[[ 2. 0.]
[ 0. 2.]]
>>> print (a2)(b2)
[[ 4. 0.]
[ 0. 4.]]
>>> print b/(a2)
[[ 0.5 0. ]
[ 0. 0.5]]
>>> print (a2)**4
[[ 16. 16.]
[ 16. 16.]]
使用数组对象自带的方法：

复制代码 代码如下:

>>> a.sum()
4.0
>>> a.sum(axis=0) #计算每一列（二维数组中类似于矩阵的列）的和
array([ 2., 2.])
>>> a.min()
1.0
>>> a.max()
1.0
使用numpy下的方法：

复制代码 代码如下:

>>> np.sin(a)
array([[ 0.84147098, 0.84147098],
[ 0.84147098, 0.84147098]])
>>> np.max(a)
1.0
>>> np.floor(a)
array([[ 1., 1.],
[ 1., 1.]])
>>> np.exp(a)
array([[ 2.71828183, 2.71828183],
[ 2.71828183, 2.71828183]])
>>> np.dot(a,a) ##矩阵乘法
array([[ 2., 2.],

   [ 2.,  2.]])

合并数组

使用numpy下的vstack和hstack函数：

复制代码 代码如下:

a = np.ones((2,2))
b = np.eye(2)
print np.vstack((a,b))
[[ 1. 1.]
[ 1. 1.]
[ 1. 0.]
[ 0. 1.]]
print np.hstack((a,b))
[[ 1. 1. 1. 0.]
[ 1. 1. 0. 1.]]
看一下这两个函数有没有涉及到浅拷贝这种问题：

复制代码 代码如下:

c = np.hstack((a,b))
print c
[[ 1. 1. 1. 0.]
[ 1. 1. 0. 1.]]
a[1,1] = 5
b[1,1] = 5
print c
[[ 1. 1. 1. 0.]
[ 1. 1. 0. 1.]]
可以看到，a、b中元素的改变并未影响c。

深拷贝数组

数组对象自带了浅拷贝和深拷贝的方法，但是一般用深拷贝多一些：

复制代码 代码如下:

a = np.ones((2,2))
b = a
b is a
True
c = a.copy() #深拷贝
c is a
False
基本的矩阵运算

转置：

复制代码 代码如下:

a = np.array([[1,0],[2,3]])
print a
[[1 0]
[2 3]]
print a.transpose()
[[1 2]
[0 3]]
迹：

复制代码 代码如下:

print np.trace(a)
4
numpy.linalg模块中有很多关于矩阵运算的方法：

复制代码 代码如下:

import numpy.linalg as nplg
特征值、特征向量：

复制代码 代码如下:

print nplg.eig(a)
(array([ 3., 1.]), array([[ 0. , 0.70710678],
[ 1. , -0.70710678]]))

代码：

import numpy as np
import numpy.linalg as nplg

# 构造数组 一维 二维 三维
print(np.array([1,2,3,4]))
print(np.array([[1,2],[3,4]]))
print(np.arange(15))
print(np.arange(15).reshape(3,5))
print(np.linspace(1,3,9))

# 0矩阵 1矩阵 单位矩阵
print(np.zeros((3,4)))
print(np.ones((2,3)))
print(np.eye(3))

# 获取矩阵属性
a = np.array([[1,2],[3,4]])
b = np.array([[2,2],[2,3]])
print(a[1,1])
print(a[1,:])

# 矩阵运算
print(a+b)

# 转置
print(a.transpose())

# 特征值 特征向量
print(nplg.eig(a))
©著作权归作者所有,转载或内容合作请联系作者
  • 人面猴
    序言：七十年代末，一起剥皮案震惊了整个滨河市，随后出现的几起案子，更是在滨河造成了极大的恐慌，老刑警刘岩，带你破解...
    沈念sama阅读 158,117评论 4赞 360
  • 死咒
    序言：滨河连续发生了三起死亡事件，死亡现场离奇诡异，居然都是意外死亡，警方通过查阅死者的电脑和手机，发现死者居然都...
    沈念sama阅读 66,963评论 1赞 290
  • 救了他两次的神仙让他今天三更去死
    文/潘晓璐 我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
    开封第一讲书人阅读 107,897评论 0赞 240
  • 道士缉凶录：失踪的卖姜人
    文/不坏的土叔 我叫张陵，是天一观的道长。 经常有香客问我，道长，这世上最难降的妖魔是什么？ 我笑而不...
    开封第一讲书人阅读 43,805评论 0赞 203
  • 港岛之恋（遗憾婚礼）
    正文 为了忘掉前任，我火速办了婚礼，结果婚礼上，老公的妹妹穿的比我还像新娘。我一直安慰自己，他们只是感情好，可当我...
    茶点故事阅读 52,208评论 3赞 286
  • 恶毒庶女顶嫁案：这布局不是一般人想出来的
    文/花漫 我一把揭开白布。 她就那样静静地躺着，像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上，一...
    开封第一讲书人阅读 40,535评论 1赞 216
  • 城市分裂传说
    那天，我揣着相机与录音，去河边找鬼。 笑死，一个胖子当着我的面吹牛，可吹牛的内容都是我干的。 我是一名探鬼主播，决...
    沈念sama阅读 31,797评论 2赞 311
  • 双鸳鸯连环套：你想象不到人心有多黑
    文/苍兰香墨 我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
    开封第一讲书人阅读 30,493评论 0赞 197
  • 万荣杀人案实录
    序言：老挝万荣一对情侣失踪，失踪者是张志新（化名）和其女友刘颖，没想到半个月后，有当地人在树林里发现了一具尸体，经...
    沈念sama阅读 34,215评论 1赞 241
  • 护林员之死
    正文 独居荒郊野岭守林人离奇死亡，尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,477评论 2赞 244
  • 白月光启示录
    正文 我和宋清朗相恋三年，在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 31,988评论 1赞 258
  • 活死人
    序言：一个原本活蹦乱跳的男人离奇死亡，死状恐怖，灵堂内的尸体忽然破棺而出，到底是诈尸还是另有隐情，我是刑警宁泽，带...
    沈念sama阅读 28,325评论 2赞 252
  • 日本核电站爆炸内幕
    正文 年R本政府宣布，位于F岛的核电站，受9级特大地震影响，放射性物质发生泄漏。R本人自食恶果不足惜，却给世界环境...
    茶点故事阅读 32,971评论 3赞 235
  • 男人毒药：我在死后第九天来索命
    文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹，春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,055评论 0赞 8
  • 一桩弑父案，背后竟有这般阴谋
    文/苍兰香墨 我抬头看了看天上的太阳。三九已至，却和暖如春，着一层夹袄步出监牢的瞬间，已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,807评论 0赞 194
  • 情欲美人皮
    我被黑心中介骗来泰国打工， 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留，地道东北人。 一个月前我还...
    沈念sama阅读 35,544评论 2赞 271
  • 代替公主和亲
    正文 我出身青楼，却偏偏与公主长得像，于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子，可洞房花烛夜当晚...
    茶点故事阅读 35,455评论 2赞 266

推荐阅读更多精彩内容