机器学习--数据科学包（一）numpy&pandas

机器学习–数据科学包（一）

初识numpy & pandas
加速计算，pandas可认为numpy升级版

一、numpy安装

https://pypi.org/project/numpy/#files
翻看很多博客才成功安装，慢慢整吧，以上是下载地址

二、numpy属性

矩阵的定义：
np.array([[1,2,3],[2,3,4]])
输出矩阵维度：
.ndim
输出矩阵形状：
.shape
输出矩阵元素数量
.size

三、numpy创建array

设置矩阵类型：.array([],dtype=np.int/int32/float)
输出矩阵数据类型：.dtype
零矩阵：.zeros((3,4))
1矩阵：.ones((3,4),dtype=np.int16)
空矩阵：.empt
生成有序数列：.arange（起始数，终止数，步长） .arange(12).reshape((3,4)) 从0到12,3行4列
生成固定段数的数列： .linspace(起始值，终止值，段数)
随机生成一定规模的矩阵： .random.random((2*4))

四、numpy基础运算

±*/
矩阵乘法：
表达形式一：.dot(a,b) 表达形式二：a.dot(b)
求和：.sum() .sum(a,axis=0)对a矩阵列求和 axis=1行求和
求最小值：.min()
求最大值：max()

五、numpy基础运算（二）

最小值索引：.argmin()
最大值索引：argmax()
平均值：.mean()/ .average()
中位数：.median()
累加：.cumsum()
累差：.diff()
输出非零：.nonzero()
排序:.sort()
转置：.transpose()
截取：.clip(a,5,9)矩阵a小于5的部分替换为5，大于9的部分替换为9

六、numpy索引

索引某一位置：a[ ][ ]或a[ ， ]
迭代每一行：for row in A：print(row)
索引每一列：for column in A.T: print(column)

七、numpy的array合并

矩阵的上下合并： .vstack（A，B）
矩阵的左右合并： .hstack（A，B）
横向序列变为竖向序列：np.newaxis
多个矩阵合并：上下合并np.concatenate((A,B,B,A),axis=0)

八、numpy的array分割

将A矩阵按列分为2块：.split(A,2,axis=1)
不等项分割：array_split
纵向分割：.vsplit
横向分割：.hsplit

九、numpy的copy & deep copy

赋值但不关联