【机器学习】【Numpy】014_ndarray数组属性、基本生成

· 用于快速处理任意维度的数组。

· 支持常见的矩阵和数组操作，运算比Python简洁得多。

一、ndarray

定义：Numpy定义了一个N维数组类型ndarray，它用来描述相同类型的“items”的集合。

属性：

形状：

numpy有多维数组，直观来看，中括号有几层便是有几维。

二、数组的基本生成

1. 生成01数组

# 生成01数组
ones = np.ones([4,8])   # 生成4行8列元素全为1的数组

2. 从现有数组中生成

# 从现有数组中生成
a = np.array([[1,2,3],[4,5,6]])
a1 = np.array(a)       # 深拷贝
a2 = np.asarray(a)  # 浅拷贝
a[0,0] = 1000
print(a1)
print(a2)

3. 创建等差数组

# 创建等差数组
b = np.arange(10, 50, 2)    # (start, stop, step, dtype)

4. 生成随机数组

正态分布创建方式：

※ 使用np.random模块；

· np.random.randn(d0, d1, ... , dn)

        功能：从标准正态分布中返回一个或多个样本值。

· np.random.normal(loc = 0, scale = 1.0, size = None)

        loc：该概率分布的均值（float）

        scale：该概率分布的标准差（float）

        size：整型或整型元组，输出的shape，默认为None

· np.random.standard.normal(size = None)

        返回指定形状的标准正态分布的数组。

举例1：生成均值为1.75，标准差为1的正态分布数据，10000000个

# 生成均匀分布的随机数
x1 = np.random.normal(1.75, 1, 10000000)
# 画图看分布状况
# (1)创建画布
plt.figure(figsize=(20,10), dpi=100)
# (2)绘制直方图
plt.hist(x1, 1000)
# (3)显示图像
plt.show()

举例2：随机生成4支股票1周的交易日涨幅数据

4支股票，一周（5天）的涨幅数据，如何获取？

· 随机生成涨跌幅在某个正态分布内，比如均值0，方差1

股票涨跌幅数据的创建

# 创建符合正态分布的4支股票5天的跌涨幅数据
stock_change = np.random.normal(0, 1, (4, 5))

均匀分布创建方式

· np.random.rand(d0, d1,...,dn)

        返回[0.0, 1.0]的一组均匀分布的数

· np.random.uniform(low=0.0, high=1.0, size=None)

        功能：从一个均匀分布[low, high]中随机采样，注意定义域是左闭右开，包含low不包含high

        参数介绍：

        low：采样下界，float类型，默认0

        high：采样上界，float类型，默认1

        size：输出样本数目，为int或元组类型。例如，size=(m, n, k)，则输出mnk个样本

        返回值：ndarray类型，其参数和size的描述一致

· np.random.randint(low, high=None, size=None, dtyp)

        从一个均匀分布中随机采样，生成一个整数或N维整数数组。

        整数范围：high不为None时，取[low, high]之间的随机整数。否则取[0, low]之间的随机整数。

# 生成均匀分布
x2 = np.random.uniform(-1, 1, 10000000)
plt.figure(figsize=(20, 10), dpi=100)
plt.hist(x2, 10000)
plt.show()