數據挖掘工具numpy（二）Numpy創建數組(隨機數組)

一，從現有的數據創建數組

1，使用arange創建

import numpy as np
temp1 = np.arange(12,dtype=np.float32)
temp2 = np.arange(3,12,dtype=np.float32)
temp3 = temp1.reshape(3,4)
print(temp1,temp1.dtype)
print(temp3,temp3.dtype)

# -----------output-----------------
[ 0.  1.  2.  3.  4.  5.  6.  7.  8.  9. 10. 11.] float32
[[ 0.  1.  2.  3.]
 [ 4.  5.  6.  7.]
 [ 8.  9. 10. 11.]] float32

2，使用array創建

import numpy as np
temp1 = np.array([[1,2,3,4],[3,4,5,6],[7,8,9,0]],dtype=float)
temp2 = np.array([[1,2,3,4],[3,4,5,6],[7,8,9,0]],dtype='float32')
temp3 = np.array([[1,2,3,4],[3,4,5,6],[7,8,9,0]],dtype=np.float32)
temp4 = np.array([[1,2,3,4],[3,4,5,6],[7,8,9,0]],dtype='i4')
temp5 = np.array([[1,1,0,0],[1,1,0,0],[1,1,0,0]],dtype=bool)
temp6 = np.array(range(1,6))
print(temp1.dtype)
print(temp2.dtype)
print(temp3.dtype)
print(temp4.dtype)
print(temp5.dtype)
print(temp6,temp6.dtype)

# -----------output-----------------
float64
float32
float32
int32
bool
[1 2 3 4 5] int32

3，使用asarray創建

temp1 = np.array([[1,2,3,4],[3,4,5,6],[7,8,9,0]],dtype=np.float32)
temp3 = np.asarray(temp1 )
print(temp3)

4，使用copy創建

temp1 = np.array([[1,2,3,4],[3,4,5,6],[7,8,9,0]],dtype=np.float32)
temp3 = temp1.copy()
print(temp3)

5,array和asarray的區別

array和asarray都可以將結構數據轉化爲ndarray，但是主要區別就是當數據源是ndarray時，array仍然會copy出一個副本，佔用新的內存，但asarray不會。

temp = np.array([[1,2,3,4],[3,4,5,6],[7,8,9,0]],dtype=np.float32)
temp1 = np.array(temp)     # 創建了一個新的數組
temp2 = np.asarray(temp)   # 還是引用原來的數組
print(temp1,temp2)

二，創建固定範圍的數組

1，創建一個全0的數組

import numpy as np
# temp = np.arange(30).reshape(5,6)
temp = np.zeros((2,3))
print(temp)

# -----------output-----------------
[[0. 0. 0.]
 [0. 0. 0.]]

2，創建一個全1的數組

import numpy as np
# temp = np.arange(30).reshape(5,6)
temp = np.ones((2,3))
print(temp)

# -----------output-----------------
[[1. 1. 1.]
 [1. 1. 1.]]

3，創建一個對角線爲1的正方形數組：

np.eye(number)
import numpy as np
print(np.eye(4))

# -----------output-----------------
[[1. 0. 0. 0.]
 [0. 1. 0. 0.]
 [0. 0. 1. 0.]
 [0. 0. 0. 1.]]

4，使用linspace創建數組

常用於創建等差數列

np.linspace (start, stop, num, endpoint, retstep, dtype)

生成等間隔的序列
start 序列的起始值
stop 序列的終止值，如果endpoint爲true，該值包含於序列中
num 要生成的等間隔樣例數量，默認爲50
endpoint 序列中是否包含stop值，默認爲ture
retstep 如果爲true，返回樣例，以及連續數字之間的步長
dtype 輸出ndarray的數據類型

import numpy as np
temp = np.linspace(0,100,11,True,True)
print(temp)

# -----------output-----------------
(array([  0.,  10.,  20.,  30.,  40.,  50.,  60.,  70.,  80.,  90., 100.]), 10.0)

5，類似的還有:

numpy.arange(start, stop, step, dtype)
numpy.logspace(start, stop, num, endpoint, base, dtype)

常用於創建等比數列

三，創建隨機的數組

1，numpy生成均勻分佈隨機數

import numpy as np

# 給定隨機種子
np.random.seed(10)
# 創建維度爲（3，1）的0~1的隨機數列
t1 = np.random.rand(3,1)
# 創建維度爲（2，2）的（0~100）的小數隨機數列
t2 = np.random.uniform(0,100,(2,2))
# 創建維度爲（2，2）的（0~100）的整數隨機數列
t3 = np.random.randint(0,20,(2,2))
for i in [t1,t2,t3]:
    print(i)
    
# -----------output-----------------
[[0.77132064]
 [0.02075195]
 [0.63364823]]
[[74.88038825 49.85070123]
 [22.47966455 19.80628648]]
[[ 8  9]
 [ 0 10]]

2，numpy生成正態分佈隨機數

import numpy as np
# 給定均值、標準差、維度的正態分佈
t1 = np.random.normal(0,1,(2,2))
# 標準正太分佈。定均值爲0、標準差爲1的正太分佈
t2 = np.random.standard_normal(size=(2,2))
for i in [t1,t2]:
    print(i)
    
# -----------output-----------------
[[-0.290396    1.32423901]
 [ 0.59322204 -2.37736497]]
[[-1.31577873  0.99945344]
 [ 1.55544037  0.8770521 ]]

3，什麼是正太分佈

率密度函數爲正態分佈的期望值μ決定了其位置，其標準差σ決定了分佈的幅度。
當μ = 0,σ = 1時的正態分佈是標準正態分佈。

方差用來衡量數據的離散程度：

標準差用數據公式代替表示爲：