第五章 深度学习 机器学习四剑客 之 numpy pandas 简介。

文章目录

• ​​numpy​​

• ​​创建全1，0矩阵​​
• ​​创建等分数组​​
• ​​创建随机数组​​
• ​​创建一个正态分布（normal）​​
• ​​数组和标量之间的运算​​
• ​​索引与切片​​
• ​​数学和统计方法​​
• ​​矩阵内部运算​​
• ​​矩阵索引运算​​
• ​​数学和统计方法汇总​​
• ​​线性代数​​

• ​​点乘​​

• ​​Ndarray的重要属性​​

• ​​pandas​​

numpy

numpy库是numerical python 的简称， 是高性能科学计算和数据分析的基础包。
numpy库处理的最基础数据类型是由同种元素构成的多维数组ndarray， 简称“数组”。
数组中的所有元素类型必须相同
数组中的元素可以用整数索引， 序号从0开始
ndarray类型的维度叫做轴，轴的个数叫做秩。一维数组的秩为1， 二维数组的秩为2

创建全1，0矩阵

import numpy as np
array_zero = np.zeros((10,10))
print(array_zero)
array_one = np.ones((10,10))
print(array_one)

创建等分数组

import numpy as np
s = np.linspace(0,3,4)
print(s)

创建随机数组

import numpy as np

rand_1 = np.random.rand(10)
rand_2 = np.random.rand(10,10)
rand_3 = np.random.uniform(0,100)
rand_4 = np.random.randint(0,100)
print("创建包含10个元素的数组， 各元素范围0到1\n", rand_1)
print("创建包含10 * 10个元素的数组， 各元素范围0到1\n", rand_2)
print("创建一个随机数\n",rand_3)
print("创建一个随机整数\n",rand_4)

创建一个正态分布（normal）

import numpy as np# 均值 标准差 排布 2行3列
rand_5 = np.random.normal(1.75, 0.1,(2, 3))
print(rand_5)

数组和标量之间的运算

import numpy as np
arr= np.array([[1,2,3],[4,5,6]])
print(arr)
print(1/arr)
print(arr * arr)
print(arr - arr)
print(arr * 0.5)

索引与切片

import numpy as np
arr = np.arange(10)
print(arr)
print(type(arr))
print(arr[5])
print(arr[5:8])
arr[5:8] = 12
print(arr)

数学和统计方法

import numpy as np
arr = np.array([[1,2,3],[4,5,6]])
print(arr)
print(arr.mean())
print(np.mean(arr))
print(arr.sum())

这里注意遵循左闭右开原则。

矩阵内部运算

import numpy as np
arr = np.array([[1,2,3],[4,5,6]])
print(arr)
print(arr.sum(0))#0默认在列上求和
print(arr.sum(1))#1默认在行上求和

矩阵索引运算

数学和统计方法汇总

线性代数

点乘

Ndarray的重要属性

pandas

pandas是python第三方库，提供高性能易用数据类型和分析工具。
pandas基于numpy实现，常与numpy和matplotlib一起使用。
pandas中有两大核心数据结构：
Series(一维数据)
DataFrame(多特征数据，既有行索引又有列索引)