人工智能学习基础
- 四剑客(库)
- Numpy ( Numerical Python)
- 使用
- 创建随机数组
- 查看数组的属性
- 数组与标量之间的计算
四剑客(库)
Python被大量应用在数据挖掘和深度学习领域,其中使用极其广泛的是Numpy(N维数组对象和向量运算)、Pandas(是建立在Numpy基础.上的高效数据分析处理库,是Python的重要数据分析库。)、 Matplotlib(一个主要用于绘制二维图形的Python库。用于绘图、可视化)、 PIL(一个具有强大图像处理能力的第三方库。用于图像处理)等库
Numpy就是用来进行矩阵计算的,而Pandas则基于Numpy ,丰富并简化了Numpy的操作
Numpy ( Numerical Python)
是高性能科学计算和数据分析的基础包,其部分功能如下:
ndarray ,一个具有矢量算术运算和复杂广播能力的快速且节省空间的多维数组。
用于对整组数据进行快速运算的标准数学函数(无需编写循环)。
用于读写磁盘数据的工具以及用于操作内存映射文件的工具。
线性代数、随机数生成以及傅里叶变换功能。
推荐:Numpy中文网
使用
创建数组,最简单的办法是使用array函数
它接受-切序列型的对象(包括其他数组) ,然后产生一个新的含有传入数据的Numpy数组 ,其中,嵌套序列(比如由- -组等 长列表组成的列表)将会被转换为一个多维数组
除了np.array之外,还有一些函数也可以新建数组 :
zeros和ones分别可以创建指定长度或者形状的全0或全1数组
empty可以创建一个没有任何具体值的数组
import numpy as np
a=[1,2,3,4] #创建简单的列表
b=np.array(a) #将列表转换为数组
b
array([1,2,3,4])
#创建10行10列的数值为浮点0的矩阵
array_ zero = np.zeros([10,10])
#创建10行10列的数值为浮点1的矩阵
array_ one = np.ones([10,10])
创建随机数组
#均匀分布
np.random.rand(10, 10) #创建指定形状(示例为10行10列)的数组(范围在0至1之间)
np.random.uniform(0, 100) #创建指定范围内的一个数
np.random.randint(O, 100) #创建指定范围内的一个整数
#正态分布
np.random.normal(1.75, 0.1, (2,3)) #给定均值/标准差/维度的正态分布
查看数组的属性
数组与标量之间的计算
numpy数组通常叫做失量,大小相等的数组之间的任何算数运算都会将运算应用到元素集,同样,数组与标量的算术运算也会将那个标量值传播到各个元素。
没看懂…网上重新找一个学会