1. 程式人生 > >機器學習預備-numpy

機器學習預備-numpy

文件

先導

引入 import numpy as np numpy 資料結構 numpy 使用的陣列類是 ndarray 在這裡插入圖片描述 一些重要屬性如下: ndarray.ndim 維數 ndarray.shape 返回(n, m),n行 m列 ndarray.dtype 型別

numpy常量

numpy.inf numpy.nan numpy.e numpy.pi

建立陣列(矩陣)

a = np.array([2,3,4])
a = np.array([[1, 1], [1, 1]])
#指定型別
np.array( [ [1,2], [3,4] ], dtype=complex )
np.zeros(
(3,4) ) np.ones( (2,3,4), dtype=np.int16 ) np.empty( (2,3) ) #值不初始化,為記憶體亂值 #建立數字序列 np.arange( 10, 30, 5 ) #array([10, 15, 20, 25]) np.arange(15).reshape(3, 5) #array([[ 0, 1, 2, 3, 4], # [ 5, 6, 7, 8, 9], # [10, 11, 12, 13, 14]])

附: 全部型別 在這裡插入圖片描述

運算元組(矩陣)

常見操作符均已過載,其中注意:*分配成了逐一乘(matlab中.*),矩陣乘法採用np.dot(A, B)

拷貝:d = a.copy() 在不同陣列型別之間的操作,結果陣列的型別趨於更普通或者更精確的一種 array的索引,切片和迭代與python[]同 切片 在這裡插入圖片描述 上下拼接 np.vstack((a,b)) 左右拼接 np.hstack((a,b))

通用數學函式

廣播規則*

當向量和矩陣結構不匹配響應運算時,會啟用廣播規則處理,可認為是一種自動補全機制 在這裡插入圖片描述

索引

在這裡插入圖片描述