第五章 深度学习 机器学习四剑客 之 numpy pandas 简介。

第五章 深度学习 机器学习四剑客 之 numpy pandas 简介。

文章目录

​​numpy​​

​​创建全1，0矩阵​​​​创建等分数组​​​​创建随机数组​​​​创建一个正态分布（normal）​​​​数组和标量之间的运算​​​​索引与切片​​​​数学和统计方法​​​​矩阵内部运算​​​​矩阵索引运算​​​​数学和统计方法汇总​​​​线性代数​​

​​点乘​​

​​Ndarray的重要属性​​

​​pandas​​

numpy

numpy库是numerical python 的简称， 是高性能科学计算和数据分析的基础包。 numpy库处理的最基础数据类型是由同种元素构成的多维数组ndarray， 简称“数组”。 数组中的所有元素类型必须相同 数组中的元素可以用整数索引， 序号从0开始 ndarray类型的维度叫做轴，轴的个数叫做秩。一维数组的秩为1， 二维数组的秩为2

创建全1，0矩阵

import numpy as nparray_zero = np.zeros((10,10))print(array_zero)array_one = np.ones((10,10))print(array_one)

创建等分数组

import numpy as nps = np.linspace(0,3,4)print(s)

创建随机数组

import numpy as nprand_1 = np.random.rand(10)rand_2 = np.random.rand(10,10)rand_3 = np.random.uniform(0,100)rand_4 = np.random.randint(0,100)print("创建包含10个元素的数组， 各元素范围0到1\n", rand_1)print("创建包含10 * 10个元素的数组， 各元素范围0到1\n", rand_2)print("创建一个随机数\n",rand_3)print("创建一个随机整数\n",rand_4)

创建一个正态分布（normal）

import numpy as np# 均值 标准差 排布 2行3列rand_5 = np.random.normal(1.75, 0.1,(2, 3))print(rand_5)

数组和标量之间的运算

import numpy as nparr= np.array([[1,2,3],[4,5,6]])print(arr)print(1/arr)print(arr * arr)print(arr - arr)print(arr * 0.5)

索引与切片

import numpy as nparr = np.arange(10)print(arr)print(type(arr))print(arr[5])print(arr[5:8])arr[5:8] = 12print(arr)

数学和统计方法

import numpy as nparr = np.array([[1,2,3],[4,5,6]])print(arr)print(arr.mean())print(np.mean(arr))print(arr.sum())

这里注意遵循左闭右开原则。

矩阵内部运算

import numpy as nparr = np.array([[1,2,3],[4,5,6]])print(arr)print(arr.sum(0))#0默认在列上求和print(arr.sum(1))#1默认在行上求和

矩阵索引运算

数学和统计方法汇总

线性代数

点乘

Ndarray的重要属性

pandas

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。