機器學習一

tile函數    

    在看機器學習實戰這本書時，遇到numpy.tile(A,B)函數，愣是沒看懂怎麼回事，裝了numpy模塊後，實驗了幾把，原來是這樣子：

重複A，B次，這裏的B可以時int類型也可以是元組類型。

>>> import numpy
>>> numpy.tile([0,0],5)#在列方向上重複[0,0]5次，默認行1次
array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0])
>>> numpy.tile([0,0],(1,1))#在列方向上重複[0,0]1次，行1次
array([[0, 0]])
>>> numpy.tile([0,0],(2,1))#在列方向上重複[0,0]1次，行2次
array([[0, 0],
       [0, 0]])
>>> numpy.tile([0,0],(3,1))
array([[0, 0],
       [0, 0],
       [0, 0]])
>>> numpy.tile([0,0],(1,3))#在列方向上重複[0,0]3次，行1次
array([[0, 0, 0, 0, 0, 0]])
>>> numpy.tile([0,0],(2,3))<span style="font-family: Arial, Helvetica, sans-serif;">#在列方向上重複[0,0]3次，行2次</span>
array([[0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0]])

zeros函數

zeros：創建3維數組，數值爲0

>>> np.zeros((3,4,5))#
array([[[ 0.,  0.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  0.,  0.]],

       [[ 0.,  0.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  0.,  0.]],

       [[ 0.,  0.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  0.,  0.]]])

多維數組與矩陣的轉換

>>> arr = np.zeros((1,4,5))#記得維度必須匹配(3,3,3)轉換失敗
>>> mat = np.matrix(arr)

數組創建和數據類型

#!/usr/bin/env python
#-*-encoding:utf-8-*-
import numpy as np
arr = np.arange(10)#創建擁有10個元素的數組
larr = arr.tolist()#轉換list
arr = np.zeros((1,3,3))#創建n維數組
mat = np.matrix(arr)#將數組轉換爲矩陣,矩陣爲3*3
alist = [1, 2, 3]
np.array(alist)#使用List創建數組
#創建
arr = np.arange(100)
arr = np.arange(10,100)#創建包含10~99數組
arr = np.linspace(1, 2, 100)#創建包含100個取值範圍在1~2之間的數組
arr = np.logspace(0, 1, 100, base=10)#返回包含100個取值範圍在10+[0~1]之間的數組
cube = np.zeros((5,5,5)).astype(int) + 1 #使用astype設置數據類型
cube = np.ones((5, 5, 5)).astype(np.float32)#創建3維數組，元素爲1
#通過指定數據類型創建n維數組數組
arr = np.zeros(2, dtype=int)
arr = np.zeros(2, dtype=np.float32)
arr1d = np.arange(1000)#一維數組
arr3d = arr1d.reshape((10,10,10))#轉換爲3維數組
arr3d = np.reshape(arr1d, (10, 10, 10))

arr4d = np.zeros((10, 10, 10, 10))
arr1d = arr4d.ravel()#將4維數組轉換爲1維數組

recarr = np.zeros((2,), dtype=('i4,f4,a10'))#指定n維數組中每列的數據類型,2*3
col1 = np.arange(2) + 1
col2 = np.arange(2, dtype=np.float32)
col3 = ['Hello', 'World']
recarr[:]=zip(col1,col2,col3)#按列方式組裝
#爲每列命名
recarr.dtype.names = ('Integers' , 'Floats', 'Strings')<span style="font-size:14px;">
</span>

索引和切片

arr[0,1]#訪問單個元?
arr[:,1]#訪問第2列
arr[1,:]#訪問第2行

arr = np.arange(7)
index = np.where(arr > 2)#查找>2的索引
new_arr = np.delete(arr, index)#刪除index對應的元素

index = arr > 2 #返回哪些元素>2,[TRUE,FALSE,...]

布爾表達式和數組

img1 = np.zeros((20, 20)) + 3

img1[4:-4, 4:-4] = 6
img1[7:-7, 7:-7] = 9
index1 = img1 > 2
index2 = img1 < 6
compound_index = index1 & index2 #exp1
compound_index = (img1 > 3) & (img1 < 7) #與expr1含義一樣
img2 = np.copy(img1[compound_index])
print img2

index3 = img1 == 9
index4 = (index1 & index2) | index3

import numpy.random as rand

a = rand.random(100)#生成一個容納100個隨機數的數組
print a

序列化和反序列化

#預定義數據欄位名稱和類型
table = np.loadtxt('example.txt',dtype='names': ('ID', 'Result', 'Type'),\
    'formats': ('S4', 'f4', 'i2'))
np.savetxt('somenewfile.txt')#序列化
#二進制文件加載，保存
data = np.empty((1000, 1000))
np.save('test.npy', data)
np.savez('test.npz', data)#採用壓縮
newdata = np.load('test.npy')

Max和Min函數

mat.max(0)#n維數組axis=0維度的最小值，最大值
mat.min(0)#