Python 机器学习基础(二)——Numpy 篇

本文详细介绍了Python机器学习库Numpy的基础知识,包括如何创建和操作Numpy数组,基本数据类型,索引和切片,以及数值运算如点对点运算和广播机制。还探讨了数组的统计运算、类型转换以及数组的变形操作,如reshape和transpose。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

本文是 Python 机器学习基础系列文章的第二篇——Numpy 篇。

Numpy

Numpy 是 Python 的一种开源数值计算扩展包,它可以用于存储和处理大型矩阵,比 Python 自带的嵌套列表结构要高效得多。

Numpy 数组(Numpy array)

数组(array)是 numpy 模块的一个主要类,可以表示向量(一维)、矩阵(二维)或高维数组,如声音、图像、视频等,并可以进行面向向量或矩阵的运算。

创建 array

用 array 构造函数创建一个 numpy 数组,可以是 1-D, 2-D, 3-D,…:

import numpy as np
a = np.array([0, 1, 2, 3])
print a.ndim, a.shape

b = np.array([[0, 1, 2], [3, 4, 5]])
print b.ndim, b.shape

c = np.array([[[1], [2]], [[3], [4]]])
print c.ndim, c.shape

其中 array() 函数的输入是一个 list 结构。

可以调用函数创建一些特殊的 array:

a = np.arange(10)       # 序列数组
b = np.arange(1, 9, 2)      # start, end (exclusive), step

c = np.linspace(0, 1, 6)    # start, end, num-points
d = np.linspace(0, 1, 5, endpoint=False)

e = np.ones((3, 3)) # 用 tuple 作为输入
f = np.zeros((2, 2))
g = np.eye(3)
h = np.diag(np.array([1, 2, 3, 4]))

m = np.random.rand(4)
b = np.random.randn(4)
np.random.seed(1234)    # 随机数种子

总结:创建 array 时,数据用 list 指定,维度用 tuple 指定。

基本数据类型

Numpy 中的基本数据类型包括:bool, int8~int64/int, uint8~uint64/uint, float16~float64/float, complex64, complex128/complex, S7(字符串)等。使用 a.dtype 可以查看数组的元素数据类型,在创建数组时指定 dtype 关键字可以指定数据类型。

a = np.array([1, 2
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值