机器学习框架学习笔记- Numpy进阶

布尔型索引

布尔型索引其实很好理解，简单的说有两个数组，一个数组用于储存姓名，一个数组用于储存数据，布尔型索引就是让这两个数组能互相交互，经过查询姓名数组中的人名来获得对应数据数组里面的值。

首先咱们先建立两个数组

注意：名字数组里面是几，那么对应的数据数组里面的行轴就必须是几

经过 ==（等于）号 将名字数组变成一个布尔型的数组

经过 ！=（不等）和 ~ 号也能够反转条件

也能够组合多个布尔条件：

mask = (name == '高天') | （name == '王琴'）
data[mask]
#使用&（和）、|（或）之类 的布尔算术运算符
复制代码

将data中的负值设置为0

data[data<0]=0
data[data==0]=1#设为其余值
data[name != '高天']=7#其余的传值方法复制代码

花式索引数

花式索引在概念上很是简单，它意味着传递一个索引数组来一次性得到多个数组元素

花式索引和切片不同，它老是将数据复制到新数组中。

数组转置和轴对换

转置是重塑的一种特殊形式，它返回的是源数据的视图（不会进行任何复制操做）。

transpose函数

arr4.transpose((1,0))#能够本身尝试一下复制代码

swapaxes函数

arr4.awapaxes(1,0)复制代码

通用函数：快速的元素级数组函数（universal function）

通用函数的全名是universal function（ufunc【缩写】），numpy提供了大量的ufunc的函数。这些函数在对narray进行运算的速度比使用循环或者列表推导式要快不少，但请注意，在对单个数值进行运算时，python提供的运算要比numpy效率高。

blog.csdn.net/unixtch/art…（详细请参考）

ufunc一元运算表

二元运算表

利用数组进行数据处理

NumPy数组使你能够将许多种数据处理任务表述为简洁的数组表达式（不然须要编 写循环）。用数组表达式代替循环的作法，一般被称为矢量化。通常来讲，矢量化 数组运算要比等价的纯Python方式快上一两个数量级（甚至更多），尤为是各类数 值计算。

数学和统计方法 

补充：

用于布尔型数组的方法

布尔值会被强制转换为1（True）和0（False），所以，sum 常常被用来对布尔型数组中的True值计数。

arr = np.random.randn(100)
(arr>0).sum()复制代码

any方法和all方法

array.any（）#any用于测试数组中是否 存在一个或多个True
array.all（）#all则检查数组中全部值是否都是True复制代码

用于数组的文件输入输出 

NumPy可以读写磁盘上的文本数据或二进制数据，np.save和np.load是读写磁盘数组数据的两个主要函数。

np.load('文件.npy')#经过np.load读取文件
np.savez('文件.npz', a=arr,b=arr)#经过np.savez能够将多个数组保存到一个未压缩文件中，
#将数组以关键字参数的形 式传入便可复制代码

伪随机数生成 

使用normalvariate产生大量样本值

补充：

随机漫步 

是根据前100个随机漫步值生成的折线图（仔细看一下代码小伙伴们应该能看懂就不解释了）

进阶的学习笔记大概就更新到这里，你们的阅读。

下一篇我想写关于Numpy高级应用的学习笔记整理

想要一块儿交流的小伙伴能够在文章下面留言或者联系个人微信