ML Foundation

NumPy是Python的一个矩阵类型，提供大量矩阵处理函数。NumPy实际上包含了两种基本的数据类型：数组和矩阵。

NumPy矩阵数组处理的一些例子：

几点常用：

1、使用array将python的原生iterator转换为numpy的array类型

2、numpy使用+ - 等作用于array中的每一个元素

3、numpy的array间的运算是对应位置上的元素运算，如果位数不够，会自动补充

>>> from numpy import array
>>> aa = array([1,2])
>>> bb = array({1,2})
>>> mm = array((1,1,1))
>>> pp = array((1,2,3))
>>> pp + mm
array([2, 3, 4])
>>> pp * 2
array([2, 4, 6])
>>> pp ** 2
array([1, 4, 9], dtype=int32)
>>> pp[1]
2
>>> jj = array([[1,2,3],[1,1,1]])
>>> jj[0][1]
2
>>> jj[0,1]
2

　　

矩阵：

几点注意：

1、mat.T，矩阵转置

2、mat.I，矩阵求逆

3、mat.mean()，矩阵求均值

4、mat.mean(axis=0/1)，0：矩阵按列求均值，1：矩阵按行求均值

5、mat[:,1] 取列，仍为矩阵

6、mat[1,:] 取行

7、mat.A，返回矩阵基本的数组

8、eye(4)，生成对角矩阵

9、random.rand(4,4)，生成4×4的随机数组

>>> from numpy import mat,matrix
>>> ss = mat([1,2,3])
>>> ss
matrix([[1, 2, 3]])
>>> ss[0,1]
2

>>> mm = mat([[1],[2], [3]])
	     
>>> mm
	     
matrix([[1],
        [2],
        [3]])
>>> ss*mm
	     
matrix([[14]])
>>> mm.T
	     
matrix([[1, 2, 3]])
>>> from numpy import shape
	     
>>> shape(mm)
	     
(3, 1)
>>> shape(mm.T)
	     
(1, 3)
>>> mm
	     
matrix([[1],
        [2],
        [3]])
>>> mm.sort()
	     
>>> mm
	     
matrix([[1],
        [2],
        [3]])
>>> dd=([4,5,1])
	     
>>> dd.sort()
	     
>>> dd
	     
[1, 4, 5]

>>> dd = mat([4,5,1])
	     
>>> dd.argsort()
	     
matrix([[2, 0, 1]], dtype=int32)
>>> dd.mean()
	     
3.3333333333333335

>>> jj = mat([1,2,3],[4,5,6]])
SyntaxError: invalid syntax
>>> jj = mat([[1,2,3],[4,5,6]])
>>> shape(jj)
(2, 3)
>>> jj[1,:]
matrix([[4, 5, 6]])
>>> jj[0,0]
1
>>> jj[:,1]
matrix([[2],
        [5]])
>>> jj.mean(axis=0)
matrix([[2.5, 3.5, 4.5]])
>>> jj.mean(axis=1)
matrix([[2.],
        [5.]])
>>> jj
matrix([[1, 2, 3],
        [4, 5, 6]])