科学计算库（Numpy）

通常数据都能转换成矩阵，行就是每一条样本数据，列就是每个字段的特征，Numpy在矩阵运算上非常高效，可以快速处理数据并进行数据计算。

Numpy基本操作

先导入

import numpy as np

array数组

ndarray是Numpy中的底层数据类型，是后续矩阵操作的基本对象。

如图可实现将数组各个元素值+1操作

数组相加，相乘操作

输出结果表示当前数组是一维的，其中有5个元素

array()中传入二维数组

使用ndarray数组时，需要注意数组中所有元素必须是同一类型，如果不是会自动向下进行转换（int→float→str）。

数组属性操作

常见的数据类型有整型、浮点型、字符串，机器学习中float更通用一些。

索引与切片

Numpy中，索引、切片用法与Python用法基本一致

[1:3]左开右闭，索引从0开始。

[-2:0]表示从倒数第二个开始取到最后。

矩阵格式（多维的形式）

赋值

数值索引

bool索引

数据类型与数值计算

在操作与计算数据之前一定弄清楚数据的类型，使用不同的工具包函数时最好先查阅其API文档，将数据处理成该函数所需要的格式，以免计算过程出现各种错误。

数据类型

复制与赋值

数组中 ===== 是引用操作，使地址相同

要想复制一个数组需要这样

数值运算

Numpy除了求和还有别的一些计算操作：

矩阵乘法

主要两种计算方式：

• 一种按对应位置元素进行相乘
• 另一种是在数组中进行矩阵乘法

矩阵乘法对应维度必须相同

使用函数功能时，要注意是否符合预期，在进行计算时，先用实例数据样本进行操作，确认无误再执行大规模操作。

常用功能模块

排序操作

数组形状操作

对数组操作时，为了满足格式和计算要求通常会改变其形状：

数组的拼接

两份数据组合,需要拼接操作：

创建数组函数

随机模块