python numpy模块教程与使用numpy进行机器学习相关用法示例

本博客介绍 numpy 模块的使用方法，并对机器学习中应用到的较多的一些方法进行重点讲解。 机器学习入门系列博客 文章目录一、创建numpy的数组（矩阵）1 np.array()2 np.asarray()3 生成某一个值的特定矩阵4 创建等步长数组5 使用随机的方法创建数组二、numpy array 的基本属性和操作1 基本属性2 数据访问方法3 数组形状改变三、numpy数组合并和分割1 合并操作2 分割操作四、numpy 相关运算1 Universial Function2 矩阵运算3 向量和矩阵的运算五、numpy 聚合运算六、索引相关运算（arg… 函数的使用）七、Fancy Ind 【numpy模块】是Python科学计算库，它是机器学习和数据分析的核心工具之一。它提供了一种高效的方式来处理大型多维数组和矩阵，具有大量的数学函数来处理这些数组。 **一、创建numpy数组（矩阵）** 在numpy中，创建数组通常通过`np.array()`或`np.asarray()`函数完成。`np.array()`接受Python列表、元组或其他序列，可以指定数据类型（dtype）。例如，创建一个整数数组： ```python import numpy as np arr = np.array([1, 2, 3, 4], dtype=int) ``` `np.asarray()`与`np.array()`类似，但主要用于将已存在的数组转换为numpy数组，如果输入已经是numpy数组则不进行任何操作。 **二、numpy array的基本属性和操作** 1. **基本属性**：如`shape`表示数组的维度，`dtype`表示数组元素的数据类型。 2. **数据访问方法**：可以通过索引来访问数组元素，支持切片操作。 3. **数组形状改变**：`reshape()`函数可以改变数组的形状，`resize()`会直接修改原数组，`flatten()`返回一维数组。 **三、numpy数组合并和分割** 1. **合并操作**：`concatenate()`、`stack()`、`vstack()`、`hstack()`等函数用于将多个数组按不同轴向合并。 2. **分割操作**：`split()`、`hsplit()`、`vsplit()`、`dsplit()`用于按指定位置或比例将数组分开。 **四、numpy相关运算** 1. **Universial Function (ufunc)**：numpy的ufunc是一类能够对数组进行元素级操作的函数，如加减乘除、指数、对数等。 2. **矩阵运算**：包括矩阵乘法（`@`或`np.dot()`）、求逆（`np.linalg.inv()`）、求行列式（`np.linalg.det()`）等。 3. **向量和矩阵的运算**：如向量点乘（`np.dot()`）、外积（`np.outer()`）、转置（`T`或`np.transpose()`）等。 **五、numpy聚合运算** 包括求和（`sum()`）、平均（`mean()`）、最大值（`max()`）、最小值（`min()`）等，可以按指定轴进行计算。 **六、索引相关运算** `argmin()`、`argmax()`等函数返回数组中最小值或最大值的索引位置，`argwhere()`返回满足条件的元素的索引。 **七、Fancy Indexing** 这是一种高级索引方式，允许使用布尔数组、整数数组或切片的组合来选取数组中的特定元素。 在机器学习中，numpy模块被广泛用于数据预处理、特征工程、模型训练和评估等多个环节，其高效性和灵活性使得处理大规模数据变得更加便捷。通过学习和熟练掌握numpy，可以极大地提高编程效率，为机器学习项目打下坚实的基础。