机器学习 Numpy库入门

2017-06-28 13:56:25

Numpy 提供了一个强大的N维数组对象ndarray,提供了线性代数，傅里叶变换和随机数生成等的基本功能，可以说Numpy是Scipy,Pandas等科学计算库的基础。

使用前需要引入numpy包，一般会给他起个别名为np。

import numpy as np

一、ndarray的元素类型

ndarray一个特点就是同构，就是说其中的元素类型是一致的。并且为了减少从存储空间和提高运行效率，ndarray的数据类型相较于python本身多了很多具体的类型。

所支持的数据类型包括整数、浮点数、复数、布尔值、字符串或是普通的 Python 对象（object）。

二、ndarray创建方法

（1）使用python自带的数据结构列表或者元组进行创建。

• x = np.array(list/tuple)
• x = np.array(list/tuple, dtype=np.float32) 当用户不指定dtype时，python编辑器会自动选择合适的数据类型

import numpy as np

a=np.array([[1,2,3],[4,5,6]])
print(a)

用元组创建同理，也可以使用元组加列表的混合方式进行创建，不过，需要注意的是，这种创建需要同构，也就是首先数据类型要一致，其次每个元素中的数据个数也要一致，否则，称为异构，异构模型将不再适用numpy库中的库函数。

（2）使用Numpy中的库函数进行创建。

常用的函数：

#linspace默认情况下是全闭的，有一个参数可以进行控制，即endpoint,默认情况下是True
a=np.linspace(1,10,4)
b=np.linspace(1,10,4,endpoint=False)
print(a)
print(b)
#a=array([  1.   4.   7.  10.])
#b=array([ 1.    3.25  5.5   7.75])

有一点需要注意的是这些默认函数，除了arange（）已经规定了生成整数外，其他的默认生成的都是浮点型的数据。

（3）从csv文件中读取生成ndarray

np.savetxt(frame, array, fmt='%.18e', delimiter=None)

• frame : 文件、字符串或产生器，可以是.gz或.bz2的压缩文件
• array : 存入文件的数组
• fmt : 写入文件的格式，例如：%d %.2f %.18e
• delimiter : 分割字符串，默认是任何空格，如果是存成csv格式，所以最后一个参数需要写成‘，’

np.loadtxt(frame, dtype=np.float, delimiter=None， unpack=False)

• frame : 文件、字符串或产生器，可以是.gz或.bz2的压缩文件
• dtype : 数据类型，可选
• delimiter : 分割字符串，默认是任何空格
• unpack  : 如果True，读入属性将分别写入不同变量

import numpy as np

a=np.ones((3,2))
np.savetxt("e:/ee.csv",a,fmt="%d",delimiter=',')
b=np.loadtxt("e:/ee.csv",dtype=np.int,delimiter=',')
print(b)

 三、narray的一些属性

这些是narray的成员数据值，可以直接使用成员访问符进行查看。

import numpy as np

a = np.array([[1,2,3],[4,5,6],[7,8,9]])
print(a.shape)
print(a.size)
print(a.dtype)
print(a.ndim)

# output:
# (3, 3)
#
# int32
#