机器学习-numpy基础用法

NUMPY基础

# 基础语法

# 输出[1 2 5 8]，类型为<class 'numpy.ndarray'>，从python列表构建numpy数组
a = np.array([1, 2, 5, 8])

# 制造一系列等距点，组成数组，前者为浮点数，后者为整数
np.linspace(10, 20), np.arange(10, 20)

# x的正弦，x可以是一个数组。类似的还有cos、tan、log、log10、log2、exp、sqrt、abs、ceil、floor等等
np.sin(x)

# a的形状，只有一个数值的，称为一维数组，也就是向量；两个数值的，成为二维数组，也就是矩阵，以此类推
a.shape

# a的维数
len(a.shape)

# a的切片，维度用逗号分隔，用法与list相同
a[1:99:2, ::]

# 产生全1、全0的数据
np.ones(len(a)), np.ones(len(b))

# 产生一个跟a一样大的数组，其中的值是跟128比较的值（True、False），通常用作过滤器（布尔索引）
a > 128

# 保留过滤器中为True的值
a[过滤器]

# 产生n个0~1的随机值
np.random.random(n)

​ 埃拉托斯特尼筛法：得到自然数n以内的全部素数，必须把不大于根号n的所有素数的倍数剔除，剩下的就是素数。

import numpy as np

a = np.arange(1, 101)
# 在循环中取平方数，所以循环最大值为数组长度开方
n_max = int(np.sqrt(len(a)))
# 生成一个长度为len(a)，类型为bool的一维数组，ones为True，zeros为False
is_prime = np.ones(len(a), dtype=bool)
# 将1排除
is_prime[0] = False

# 循环从2开始计算，n_max
for i in range(2, n_max):
    # 如果i在列表中为True，则表示是素数，a[is_prime]展示的是a中为True的元素
    if i in a[is_prime]:
        # 如果是素数的话，对它取平方，按步长为i计算，取False，因为后续数都能被i除不再是素数了（列表从0开始这里-1）
        is_prime[(i**2) - 1::i] = False
# 输出素数
print(a[is_prime])

蒙特卡罗方法求圆周率：所以这里求PI的公式为：4*（落在圆内的点/总点）

import numpy as np

# 随机生成的点数
n_dots = 1000000
# 随机生成n个0~1的数
x = np.random.random(n_dots)
y = np.random.random(n_dots)
# x平方+y平方 开方，如果小于1则说明在圆内
distance = np.sqrt(x**2 + y**2)
in_circle = distance[distance < 1]

# 正方形面积为：2r*2r，圆面积为：PI*r*r，圆的面积比上正方形的面积为：PI/4
# 所以这里求PI的公式为：4*（落在圆内的点/总点）
pi = 4 * float(len(in_circle)) / n_dots
print(pi)