机器学习算法中大部分都是调用Numpy库来完成基础数值计算的。
数组的创建几应用
>>> x=np.array([[1.0,0.0,0.0],[0.,1.,2.]]) #定义了一个二维数组,大小为(2,3)
>>> x
array([[1., 0., 0.],
[0., 1., 2.]])
>>> x.ndim #数组维度数
2
>>> x.shape #数组的维数,返回的格式(n,m),其中n为行数,m为列数
(2, 3)
>>> x.size #数组元素的总数
6
>>> x.dtype #数组元素类型
dtype('float64') #64位浮点型
>>> x.itemsize #每个元素占有的字节大小
8
>>> x.data #数组元素的缓冲区
<memory at 0x00000205227DAC18>
还有两种创建序列数组的函数arrange和linspace,和range函数类似,但它们都属于Numpy里面。
arange(a,b,c) 参数分别表示开始值,结束值,步长
linspace(a,b,c) 参数分别表示开始值,结束值,元素数量
还可以调用它们自身的方法reshape()指定形状
>>> arange(15).reshape(3,5)
array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14]])
>>> arange(10,30,5)
array([10, 15, 20, 25])
>>> arange(0,2,0.3)
array([0. , 0.3, 0.6, 0.9, 1.2, 1.5, 1.8])
>>> linspace(0,2,9) # 0~2之间生成9个数字
array([0. , 0.25, 0.5 , 0.75, 1. , 1.25, 1.5 , 1.75, 2. ])
来源:https://blog.csdn.net/codedz/article/details/82869370