当前位置:实例文章 » 其他实例» [文章]机器学习—NumPy基础

机器学习—NumPy基础

发布人:shili8 发布时间:2025-01-29 07:48 阅读次数:0

**机器学习——NumPy基础**

NumPy(Numerical Python)是Python中一个非常强大的库,用于高效的数值计算。它提供了多维数组数据类型,以及各种操作这些数据的函数。NumPy是机器学习领域的一个基本工具,几乎所有的机器学习库都依赖于它。

**什么是NumPy**

NumPy是一个Python扩展包,它为Python程序员提供了一种高效、快速的数值计算方式。NumPy数组(ndarray)是其核心数据类型,可以存储多维数据,并支持各种数学运算和函数操作。

**NumPy数组**

NumPy数组是NumPy最基本的数据结构,类似于Python列表,但具有更高的性能和灵活性。一个NumPy数组可以包含多个维度的数据,每个维度都可以有不同的大小。

import numpy as np# 创建一个一维数组arr1 = np.array([1,2,3,4,5])
print(arr1)

# 创建一个二维数组arr2 = np.array([[1,2], [3,4]])
print(arr2)


**NumPy数组的属性**

NumPy数组有以下几个重要的属性:

* `shape`: 返回数组的形状,即其维度和大小。
* `size`: 返回数组的总元素数。
* `dtype`: 返回数组的数据类型。

import numpy as np# 创建一个一维数组arr = np.array([1,2,3,4,5])

# 获取数组的形状、大小和数据类型print(arr.shape) # (5,)
print(arr.size) #5print(arr.dtype) # int64


**NumPy数组的基本操作**

NumPy数组支持各种基本运算,包括加法、减法、乘法、除法等。

import numpy as np# 创建两个一维数组arr1 = np.array([1,2,3,4,5])
arr2 = np.array([6,7,8,9,10])

# 进行加法运算result = arr1 + arr2print(result)

# 进行减法运算result = arr1 - arr2print(result)


**NumPy数组的函数操作**

NumPy提供了各种函数来处理数组数据,例如求和、平均值、最大值、最小值等。

import numpy as np# 创建一个一维数组arr = np.array([1,2,3,4,5])

# 求和result = np.sum(arr)
print(result) #15# 求平均值result = np.mean(arr)
print(result) #3.0# 求最大值result = np.max(arr)
print(result) #5# 求最小值result = np.min(arr)
print(result) #1


**NumPy数组的索引和切片**

NumPy数组支持索引和切片操作,类似于Python列表。

import numpy as np# 创建一个一维数组arr = np.array([1,2,3,4,5])

# 索引第一个元素result = arr[0]
print(result) #1# 切片前三个元素result = arr[:3]
print(result) # [123]

# 切片后两个元素result = arr[-2:]
print(result) # [45]


**NumPy数组的转置**

NumPy数组支持转置操作,通过使用 `np.transpose()` 或 `arr.T` 来实现。

import numpy as np# 创建一个二维数组arr = np.array([[1,2], [3,4]])

# 转置数组result = arr.Tprint(result)


**NumPy数组的reshape**

NumPy数组支持reshape操作,通过使用 `np.reshape()` 或 `arr.reshape()` 来实现。

import numpy as np# 创建一个一维数组arr = np.array([1,2,3,4,5])

# reshape为二维数组result = arr.reshape(2,2)
print(result)


**NumPy数组的concatenate**

NumPy数组支持concatenate操作,通过使用 `np.concatenate()` 或 `np.vstack()` 和 `np.hstack()` 来实现。

import numpy as np# 创建两个一维数组arr1 = np.array([1,2])
arr2 = np.array([3,4])

# 使用vstack进行垂直连接result = np.vstack((arr1, arr2))
print(result)

# 使用hstack进行水平连接result = np.hstack((arr1, arr2))
print(result)


**NumPy数组的repeat**

NumPy数组支持repeat操作,通过使用 `np.repeat()` 来实现。

import numpy as np# 创建一个一维数组arr = np.array([1,2])

# repeat为长度为5的数组result = np.repeat(arr,5)
print(result)


**NumPy数组的resize**

NumPy数组支持resize操作,通过使用 `np.resize()` 来实现。

import numpy as np# 创建一个一维数组arr = np.array([1,2])

# resize为长度为3的数组result = np.resize(arr,3)
print(result)


**NumPy数组的fill**

NumPy数组支持fill操作,通过使用 `np.fill()` 来实现。

import numpy as np# 创建一个一维数组arr = np.array([1,2])

# fill为值为5的数组result = np.fill(arr,5)
print(result)


**NumPy数组的copy**

NumPy数组支持copy操作,通过使用 `np.copy()` 来实现。

import numpy as np# 创建一个一维数组arr = np.array([1,2])

# copy为新数组result = np.copy(arr)
print(result)


**NumPy数组的view**

NumPy数组支持view操作,通过使用 `np.view()` 来实现。

import numpy as np# 创建一个一维数组arr = np.array([1,2])

# view为新数组result = np.view(arr)
print(result)


**NumPy数组的astype**

NumPy数组支持astype操作,通过使用 `np.astype()` 来实现。

import numpy as np# 创建一个一维数组arr = np.array([1,2])

# astype为int64类型result = arr.astype(np.int64)
print(result)


**NumPy数组的dtype**

NumPy数组支持dtype操作,通过使用 `np.dtype()` 来实现。

import numpy as np# 创建一个一维数组arr = np.array([1,2])

# dtype为int64类型result = arr.dtypeprint(result)


**NumPy数组的shape**

NumPy数组支持shape操作,通过使用 `np.shape()` 来实现。

import numpy as np# 创建一个一维数组arr = np.array([1,2])

# shape为(2,)
result = arr.shapeprint(result)


**NumPy数组的size**

NumPy数组支持size操作,通过使用 `np.size()` 来实现。

import numpy as np# 创建一个一维数组arr = np.array([1,2])

# size为2result = arr.sizeprint(result)


**NumPy数组的ndim**

NumPy数组支持ndim操作,通过使用 `np.ndim()` 来实现。

import numpy as np# 创建一个一维数组arr = np.array([1,2])

# ndim为1result = arr.ndimprint(result)


**NumPy数组的itemsize**

NumPy数组支持itemsize操作,通过使用 `np.itemsize()` 来实现。

import numpy as np# 创建一个一维数组arr = np.array([1,2])

# itemsize为4result = arr.itemsizeprint(result)


**NumPy数组的nbytes**

NumPy数组支持nbytes操作,通过使用 `np.nbytes()` 来实现。

import numpy as np# 创建一个一维数组arr = np.array([1,2])

# nbytes为8result = arr.nbytesprint(result)


**NumPy数组的flat**

NumPy数组支持flat操作,通过使用 `np.flat()` 来实现。

import numpy as np# 创建一个一维数组arr = np.array([1,2])

# flat为[12]
result = arr.flatprint(result)


**NumPy数组的compressed**

NumPy数组支持compressed操作,通过使用 `np.compressed()` 来实现。

import numpy as np# 创建一个一维数组arr = np.array([1

其他信息

其他资源

Top