Python机器学习手册从数据预处理到深度学习（一）

这周借了本书，打算看看Python了，不知道会不会又半途而废，希望能够坚持下来，打算就是前面几章数据预处理，加上SVM的部分，感觉不多，希望这次真的可以坚持下来

今天先学习第一章：向量、矩阵和数组
这一章主要是用numpy库来实现对向量、矩阵、数组的基本操作，代码和注释基本都是来源于这本书的

#这是本书的第一章：向量、矩阵和数组——本章将介绍在进行机器学习的过程中可能经常遇到的numpy操作
######################################################################
#1.1 创建一个向量
#问题描述：创建一个向量
#加载库
import numpy as np  #书中是numPy，但会报错没有这个模块

#创建一个行向量
vector_row=np.array([1,2,3])

#创建一个列向量
vector_column=np.array([[1],
                        [2],
                        [3]])
#####################################################################
#1.2 创建一个矩阵
#问题描述：创建一个向量
#加载库
import numpy as np  #书中是numPy，但会报错没有这个模块

#创建一个矩阵
matrix=np.array([[1,2],
                [1,2],
                [1,2]])
#三行两列的矩阵，第1列都是1，第2列都是2
#实际上，numpy提供了专门的数据结构来表示矩阵
matrix_object=np.mat([[1,2],
                      [1,2],
                      [1,2]])
matrix=([[1,2],
         [1,2],
         [1,2]])
#虽然有专门的数据结构来表示矩阵，但是不建议使用矩阵数据结构，
#原因有二:1 数组才是numpy的标准数据结构 2绝大多数的numpy操作返回的是数组而不是矩阵对象
###########################################################################################
#1.3创建一个稀疏矩阵
#问题描述：高效地表示只有零星非零值的数据
#加载库
import numpy as np
from scipy import sparse

#创建一个矩阵
matrix=np.array([[0,0],
                 [0,1],
                 [3,0]])

#创建一个压缩的稀疏行（Compressed Sparse Row,CSR）矩阵
matrix_sparse=sparse.csr_matrix(matrix)

#查看稀疏矩阵
print(matrix_sparse)
#结果如下
# (1, 1)	1
# (2, 0)	3
#矩阵的下标从0开始，(1,1)代表第2行第2列元素非零。1表示值为1，(2, 0)代表第3行第1列元素非零。3表示值为3

#创建一个更大的矩阵
matrix_large=np.array([[0,0,0,0,0,0,0,0,0,0],
                       [0,1,0,0,0,0,0,0,0,0],
                       [3,0,0,0,0,0,0,0,0,0]])
#创建CSR矩阵
matrix_large=sparse.csr_matrix(matrix_large)

#查看原先的稀疏矩阵
print(matrix_sparse)

#查看更大的稀疏矩阵
print(matrix_large)
#可见，尽管实际上这个更大的矩阵中增加了很多非零的元素，但是它的表示和原来那个稀疏矩阵是一样的

#稀疏矩阵有很多种类型，不存在完美的稀疏矩阵，它们之间的差异都是有意义的，而且知道在什么场景下选择哪种类型
#的稀疏矩阵是很有必要的
###########################################################################################
#1.4选择元素
#问题描述：在向量或矩阵中，选择一个或多个元素
#加载库
import numpy as np

#创建一个行向量
vector = np.array([1,2,3,4,5,6])

#创建一个矩阵
matrix = np.array([[1,2,3],