《Python之機器學習（NumPy）》

#

單行注釋
'''多行注釋
多行注釋
多行注釋
'''#
a.ndim     輸出陣列的維數；
#a.shape    輸出陣列的形式（幾行，幾列）
#copy()     複製陣列
#a*2        陣列中每個元素乘以2
#[1,2]*2    陣列將變成4個
#a**2       a的平方
#[1,2]**2   unsuported operand type
#陣列訪問。修建異常值。處理不存在的值。
#clip()     超出某區間邊界的部分修剪掉
#mean()     均值
#處理不存在的值
import
numpy as np
a = np.array([0,1,2,3,4,5])
b = a.reshape((3,2))#
transport a array to b. change b same to a.
c = a.reshape((3,2)).copy()#
change c no change a.they are depended.
a[a>4] = 2 #
修剪異常值
d = a.clip(0,2)#
d 中最大為2
e = np.array([1,2,np.nan,3,4])#
# np.isnan(e)    來判定陣列是否有不合理值
f = e[~np.isnan(e)]           #
# e[~np.isnan(e)]輸出合理的數
m = np.mean(e[~np.isnan(e)])  #
#均值。                
##應該時常考慮如何將陣列元素的迴圈處理衝python中移到高度優化的numpy..scipy擴充套件函式中（驗證否定）
#example 求1~1000的所有平方和
import
timeit
normal_py_sec = timeit.timeit('
sum(x*x for x in xrange(1000))',
number = 1000)
*****_np_sec = timeit.timeit('
sum(na*na)',
setup="
import numpy as np;na=np.arange(1000)",
number = 1000)
good_np_sec = timeit.timeit('
na.dot(na)',
setup="
import numpy as np; na=np.arange(1000)",
number = 1000)
print("
normal python :%f sec
"%normal_py_sec)
print("
***** python :%f sec
"%*****_np_sec)
print("
good numpy: %f sec
"%good_np_sec)
'''normal python :0.081011 sec
***** python :0.384903 sec
good numpy: 0.013812 sec  經驗證，已經沒有多大差別了。用
'''

機器學習之旅 重要的Python庫 Numpy

numpy numerical python的簡稱 是python科學計算的基礎包。它提供了以下功能 1 快速高效的多維陣列物件ndarray 2 用於對陣列執行元素級計算以及直接對陣列執行數 算的函式 3 用於讀寫硬碟上基於陣列的資料集的工具 4 線性代數運算 傅利葉變換，以及隨機數生成 5 用於...

python機器 python機器學習

熱詞系列 打卡 mark一下，以後看 每天打卡學習 1 python 基礎 bv1lt4y1u7un 2 python 高階 bv1jz411b7dh 3 python 資料庫 bv1pg4y1a7a7 4 python gui與坦克大戰 bv1je411f72o 5 python numpy bv...

機器學習之常用Python庫

pythong tutorial 提供常用的數值陣列 矩陣等函式。官網 numpy doc numpy user guide user index.html 文件quickstart user quickstart.html numpy basics user basics.html numpy r...