第一章 | 使用python机器学习

python经常作为机器学习的首选,有一个统计,50%以上的机器学习开发者使用python。在学习机器学习之前需要熟悉以下几个python模块:

  • numpy Python没有提供数组,列表(List)可以完成数组,但不是真正的数组,当数据量增大时,它的速度很慢。所以Numpy扩展包提供了数组支持,同时很多高级扩展包依赖它。是以矩阵为基础的数学计算模块,纯数学。
  • SciPy SciPy是数学,科学和工程的开源软件。 它包括用于统计,优化,集成,线性代数,傅里叶变换,信号和图像处理,ODE解算器等的模块。SciPy库依赖于NumPy,提供方便快捷的N维数组操作。比方说做个傅立叶变换,这是纯数学的,用Numpy;做个滤波器,这属于信号处理模型了,在Scipy里找。
  • pandas Pandas提供了一套名为DataFrame的数据结构,比较契合统计分析中的表结构,并且提供了计算接口,可用Numpy或其它方式进行计算。
  • matplotlib & seaborn 该包主要用于绘图和绘表,强大的数据可视化工具,做图库。

现在我们开始熟悉numpy的常用操作函数:

** 一维数组 **

#encoding=utf8

import numpy as np

# 定义一维数组

a = np.array([2, 0, 1, 5, 8, 3])

print u'原始数据:', a

#输出最大、最小值及形状

print u'最小值:', a.min()

print u'最大值:', a.max()

print u'形状', a.shape

# 数据切片

print u'切片操作:'

# [:-2]后面两个两个值不取

print a[:-2]

#[-2:]表示后往前数两个数字,获取数字至结尾

print a[-2:]

#[:1]表示从头开始获取,获取1个数字

print a[:1]

# 排序

print type(a)

print a.dtype a.sort()

print u'排序后:', a

运行结果

原始数据: [2 0 1 5 8 3] 最小值: 0最大值: 8形状 (6,) 切片操作: [2 0 1 5] [8 3] [2] <type 'numpy.ndarray'> int32 排序后: [0 1 2 3 5 8]

二维数组

#二维数组操作

c = np.array([[1, 2, 3, 4], [4, 5, 6, 7], [7, 8, 9, 10]])

# 获取值

print u'形状:', c.shape

print u'获取值:', c[1][0]

print u'获取某行:'

print c[1][:]

print u'获取某行并切片:'

print c[0][:-1]

print c[0][-1:]

#获取具体某列值

print u'获取第3列:'

#np.newaxis增加一个新维度

print c[:,np.newaxis, 2]

#函数

#sin

print np.sin(np.pi/6)

print np.sin(np.pi/2)

print np.tan(np.pi/2)

print np.arange(0,4)

运行结果

形状: (3, 4) 获取值: 4获取某行: [4 5 6 7] 获取某行并切片: [1 2 3] [4] 获取第3列: [[3] [6] [9]]0.51.01.63312393532e+16[0 1 2 3]

注意,axis在numpy中表示第n个索引一个数组,在多维数组中,每个axis有一个索引,比如a = np.array([[1,2],[3,4]]),a[1,0] # to indexa, we specific 1 at the first axis and 0 at the second axis.

文中涉及源代码参见 github

参考

http://blog.csdn.net/eastmount/article/details/53144633

原文发布于微信公众号 - 人工智能LeadAI(atleadai)

原文发表时间:2017-12-21

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏Python数据科学

5种方法教你用Python玩转histogram直方图

直方图是一个可以快速展示数据概率分布的工具,直观易于理解,并深受数据爱好者的喜爱。大家平时可能见到最多就是 matplotlib,seaborn 等高级封装的库...

1601
来自专栏潇涧技术专栏

Python Algorithms - C7 Greedy

Python算法设计篇(7) Chapter 7: Greed is good? Prove it!

752
来自专栏人人都是极客

GPU渲染之OpenGL的GPU管线

GPU渲染流水线,是硬件真正体现渲染概念的操作过程,也是最终将图元画到2D屏幕上的阶段。GPU管线涵盖了渲染流程的几何阶段和光栅化阶段,但对开发者而言,只有对顶...

1272
来自专栏申龙斌的程序人生

零基础学编程042:画函数图像

孩子马上就要参加高考了,我以前还能帮着辅导一下数学功课,现在就不行了,一来她很忙,晚上很晚才到家,二来高中的数学题太变态,琢磨一个小时可能也解不出一道。 前几天...

3149
来自专栏塔奇克马敲代码

RTKLIB源码解析(一)——单点定位(pntpos.c)

1322
来自专栏温安适的blog

以回溯解高速公路重建与正序全排列

3566
来自专栏C语言及其他语言

【每日一题】1447: [蓝桥杯][历届试题]格子刷油漆

好消息,网站又新增新功能,赶紧去看看吧! 题目描述 X国的一段古城墙的顶端可以看成 2*N个格子组成的矩形(如下图所示),现需要把这些格子刷上保护漆。 ...

2729
来自专栏Unity Shader

Shader初学笔记:等值线

http://www.cnblogs.com/lpcoder/p/7103634.html

5675
来自专栏TensorFlow从0到N

讨厌算法的程序员 3 - 算法分析基础

? 时间资源 上一篇,我们知道了如何用循环不变式来证明算法的正确性,本篇来看另一个重要方面:算法分析。分析算法的目的,是预测算法所需要的资源。资源不仅是指内存...

2614
来自专栏数据结构笔记

数据结构(二):算法及其描述

数据元素之间的关系有逻辑关系和物理关系,对应的操作有逻辑结构上的操作功能和具体存储结构上的操作实现。

1355

扫码关注云+社区