机器学习：Jupyter Notebook中numpy的使用

一、Jupyter Notebook的魔法命令

　# 模块/方法 + ？或者help(模块/方法)：查看模块/方法的解释文档；

　1）%run

　# 机械学习中主要应用两个魔法命令：%run、%timeit

　# 魔法命令格式：% + 命令

　# %run：将模块引用并在Jupyter Notebook中执行（这是与import的区别），模块被引用后，其内部的函数可以在Jupyter Notebook中直接被引用；

　# 格式：%run + 文件的地址 + 文件名

 

　2）%timeit

1. 测试代码的性能，后面只能接一条语句/代码块，得出运行此条语句或代码块所用的时间；
2. %timeit + 一条语句：测试该条语句运行所用时间；
3. %%timeit：表示测试在该单元格内的全部代码运行时所用时间；
4. %timeit、%%timeit，一般是将代码运行多遍，然后去取执行最快的几次的平均值；
5. 如果%timeit和%%timeit后面的代码，每次运行的效率不同，则测量的结果又偏差；
6. %time，返回只将代码运行一遍所用时间；但这样的测试结果不稳定，每次测得结果差异很大，但对于一次测试用时较长的代码/算法，测试差异可以忽略；

 

　3）其它

• 命令 + ？：查看命令的文档；
• 可以通过%lsmagic查看素有的魔法命令；
• 机器学习算法中，scikit-learn中的函数封装的都是接收一个Numpy的矩阵，通常使用Pandas对数据进行预处理，将Pandas数据转换为Numpy的矩阵，再送给机械学习的算法；

 

二、numpy.array基础

　1）numpy.array的基础

1. python的list数据非常灵活，运行效率较低，因为系统需要检测其中所有数据的类型；
2. Python中的array模块，可以限定只存储一种数据类型：

import array
arr = array.array('i', [i for i in range(10)])
# 其中'i'表示数据类型为整数
print(type(arr[5]))
# 5
arr[5] = 'a'
# 报错，arr内的数据只能赋值为整数

1. Python的array模块缺陷：1）中没有将数据看成向量或矩阵，因此也没有向量和矩阵相关的运算；2）只有一种数据类型，不够灵活使用；
2. numpy模块的array方法，可以进行向量和矩阵的运算；
3. numpy模块的array方法创建的数据，只能是整数，若将小数赋值给array方法创建的数据时，会自动转换为整数；
4. 机械学习中所操作的大多数数值为浮点数；

 

　2）np.array的创建

　　A、创建全0数组

1. np.zeros(10)：默认为float64类型的一维全0数组；

   array([0., 0., 0., 0., 0., 0., 0., 0., 0., 0.])

2. np.zeros(10, dtype = int)：数据类型为int的一维全0数组；

   array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0])

3. np.zeros((3, 5))：默认fioat64类型的3行5列的矩阵；

   array([[0., 0., 0., 0., 0.],
          [0., 0., 0., 0., 0.],
          [0., 0., 0., 0., 0.]])

4. np.zeros(shape = (3, 5), dtype = int)或者np.zeros( dtype = int， shape = (3, 5))：类型为int的3行5列的矩阵；

   array([[0, 0, 0, 0, 0],
          [0, 0, 0, 0, 0],
          [0, 0, 0, 0, 0]])

　　

　　B、创建全1的数组

• np.ones()，操作方法同理全0矩阵的创建；

　　

　　C、创建所有值都相同的数组

1. np.full((3, 5), 666)或者np.full(shape = (3, 5), fill_value = 666)或者np.full(fill_value = 666, shape = (3, 5))：默认为int；

   array([[666, 666, 666, 666, 666],
          [666, 666, 666, 666, 666],
          [666, 666, 666, 666, 666]])

2. np.full(10, 666)或者np.full(shape = 10, fill_value = 666)或者np.full(fill_value = 666, shape = 10)：

   array([666, 666, 666, 666, 666, 666, 666, 666, 666, 666])

　　

　　D、numpy中arange的用法：参数的用法与python中range的参数用法一样

1. np.arange(0, 10)：默认步长为1；

   array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

2. np.arange(10)：默认起始值为0，默认步长为1；

   array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

3. np.arange(0, 10, 2)：取值间隔为2；

   array([0, 2, 4, 6, 8])

4. np.arange(0, 1, 0.2)：步长可以为小数，0.2，而python中的range的参数，步长不能为小数；

   rray([0. , 0.2, 0.4, 0.6, 0.8])

5. range()生成列表，np.arange()生成数组；

　　　　

　　E、numpy中linspace的用法，与arange类似

• np.linspace(0, 20, 10)：将0~20间的数等分10个点，首尾分别是0和20，此处10不是步长，而是将区间等分的点数（包含首尾数值）；

  array([ 0.        ,  2.22222222,  4.44444444,  6.66666667,  8.88888889,
         11.11111111, 13.33333333, 15.55555556, 17.77777778, 20.        ])

　　

　　F、numpy中random的用法：生产随机int数random.randint()

• 区间为前闭后开：[m，n)；
• 随机生成的数据给算法时，运行的结果不一致，导致调试困难；
• 计算机中，所有的随机数都是伪随机数，都是随机算法实现的；推动算法生产随机数的是随机种子：同一个随机种子生产的随机数是一定的，再次调用该种子时可以得到上一次该种子生产的随机数；

1. np.random.randint(0, 10)：从0~10间随机生产一个z

   5

2. np.random.randint(0, 10, 5)：从0~10间随机生成5个int类型的数；

   array([8, 6, 3, 3, 6])

3. np.random.randint(4, 8, size = 10)：一般标出size = 10，提高代码可读性；

   array([6, 5, 6, 7, 4, 7, 7, 6, 5, 5])

4. np.random.randint(4, 8, size = (3, 5))：从[4, 8)中，随机生成3行5列的矩阵；

   array([[7, 7, 5, 5, 5],
          [5, 7, 5, 7, 4],
          [6, 6, 4, 6, 5]])

5. 随机种子的使用

   # Jupyter Notebook中实现的代码
   np.random.seed(666)
   np.random.randint(4, 8, size = (3, 5))
   # 设定随机种子，并生成随机数据
   np.random.seed(666)
   np.random.randint(4, 8, size = (3, 5))
   # 再次调用该种子，并再次生成原来格式的随机数据，所得到的数据与第一次随机生成的数据相同；

 

　　G、numpy中random的使用：生成随机float数random.random()

• 生成的float数为0~1的随机数；
• random.random()的操作格式与random.randint()一样；

　　　　

　　H、numpy中random的使用：