机器学习python——python基础
目录
1、常用库
2、shape与reshape，dtype
3、range、arange、linspace、logspace
4、数组的计算、切片
5、绘图基本设置
6.三维绘图
1、常用库
numpy、scipy、matplotlib、math
2、shape与reshape，dtype
https://blog.csdn.net/qq_45769063/article/details/106541141
dtype可以控制输出的格式
np.linspace(start,end,point_num,dtype = np.type)
3、range、arange、linspace、logspace
range(start,end,step)
numpy.arange(start,end,step)
等差数列,根据起始与终值和数字数目进行创建
numpy.linspace(start,end,point_number)
等比数列，start为等比数列第一个数值的指数，end表示最后一个数值的指数
numpy.logspace(start,end,point_number,endpoint=False,Base=10)
endpoint=True:用于控制是否包含终点的值,默认为False
Base=n,表示等比数列是以n为底的等比数列，通过logspace是定义了以n为底数的指数形式
4、数组的计算、切片
a.reshape((-1,1))表示将a数组转化为一列的数组即列向量
a[a>0.5]输出a数组中大于0.5的数字
print（a>0.5）打印出来的是布尔数值，大于0.5为True，小于0.5为false
f = 行向量（1,m） + 列向量(n,1)
a[[0,1,2],[2,3,4]]表示取第0，1，2行和第2，3，4列交叉处的数据
a[4,[1,2,3]]表示取第4行与第1，2，3列交叉的数据
以上取出来的数据重组返回的是一个一维数组
去重
numpy.unique(a)不管a是几维数组，先将数组a中的数据全部拉长为行向量，再进行去重，得到一个行向量
np.array(list(set([tuple(t) for t in a])))利用set集合没有重复元素的特性进行去重
[tuple(t) for t in a]将a数组的元素取出转换为元组
set([tuple(t) for t in a])将元组放入集合中，自动去重
list(set([tuple(t) for t in a]))将集合转化为列表
array(list(set([tuple(t) for t in a])))将列表转化为数组
5、绘图基本设置
import math
from matplotlib import pyplot as plt
import matplotlib as mpl
import numpy as np
mpl.rcParams["font.sans-serif"]=[u"simHei"]
mpl.rcParams["axes.unicode_minus"]=False
mu = 0
sigma = 1
x = np.linspace(mu-sigma*3,mu+sigma*3,51)
y = np.exp(-(x-mu)**2/(2*sigma**2))/(math.sqrt(2*math.pi)*sigma)
print (x.shape)
print("x=n",x)
print(y.shape)
print("y=n",y)
plt.figure(facecolor="w")
plt.plot(x,y,"r-",x,y,"go",linewidth = 2,markersize=8)
plt.xlabel("X",fontsize = 20)
plt.ylabel("Y",fontsize = 20)
plt.title("高斯分布",fontsize = 18)
plt.grid(True)
plt.show()
心形图
t = np.linspace(0,2*np.pi,100)
x =16*np.sin(t)**3
y = 13*np.cos(t)-5*np.cos(2*t)-2*np.cos(3*t)-1*np.cos(4*t)
plt.figure(facecolor='w')
plt.plot(x,y,"r-",label = "heart")
plt.legend(loc="upper right")
plt.grid(True)
plt.savefig("heart.png")
plt.show()
6.三维绘图
x,y = np.ogrid[-3:3:7j,-3:3:7j]
表示x生成为-3到3的7个均布数字组成的列向量
y生成-3到3的7个均布数字组成的行向量
[[-3.]
[-2.]
[-1.]
[ 0.]
[ 1.]
[ 2.]
[ 3.]]
[[-1. 0. 1. 2. 3. 4. 5.]]
x,y = np.mgrid[-3:3:7j,-1:5:7j]
print(x)
print(y)
列和行向量的扩展填充
[[-3. -3. -3. -3. -3. -3. -3.]
[-2. -2. -2. -2. -2. -2. -2.]
[-1. -1. -1. -1. -1. -1. -1.]
[ 0. 0. 0. 0. 0. 0. 0.]
[ 1. 1. 1. 1. 1. 1. 1.]
[ 2. 2. 2. 2. 2. 2. 2.]
[ 3. 3. 3. 3. 3. 3. 3.]]
[[-1. 0. 1. 2. 3. 4. 5.]
[-1. 0. 1. 2. 3. 4. 5.]
[-1. 0. 1. 2. 3. 4. 5.]
[-1. 0. 1. 2. 3. 4. 5.]
[-1. 0. 1. 2. 3. 4. 5.]
[-1. 0. 1. 2. 3. 4. 5.]
[-1. 0. 1. 2. 3. 4. 5.]]
相关知识
Python机器学习基础教程
《Python机器学习开发实战》电子书在线阅读
【Python】基础
[Python机器学习]鸢尾花分类 机器学习应用
第 1 章 机器学习基础引言
《Python程序设计：人工智能案例实践》((美) 保罗·戴特尔(Paul Deitel))【简介
科学网—为什么生态学家要学习Python或者R？
[机器学习基础][笔记] 一、鸢尾花分类
这个好玩！用Python识别花卉种类，并自动整理分类！
基于python编程的五种鲜花识别
网址: 机器学习python——python基础 https://m.huajiangbk.com/newsview137565.html
| 上一篇: 场景/时节/送礼知识 |
下一篇: 纸盘爱心花环手工制作教程 |
