机器学习与算法应用 课件 02-1-Numpy简介及基本使用.pptx

机器学习的Python常用库机器学习与算法应用第二章 CONTENT目录 02Pandas简介及基本使用04Scikit-Learn简介及基本使用01Numpy简介及基本使用03Matplotlib简介及基本使用05波士顿房价预测实战 课前回顾01OPTION02OPTION03OPTION机器学习简介，机器学习、人工智能和数据挖掘典型机器学习应用领域机器学习算法分类，机器学习的一般流程机器学习概述 统计学统计学是关于认识客观现象总体数量特征和数量关系的科学统计学的一个案例：子弹中的统计学 大数据与统计学回想刚才例子，统计需基于大量的数据进行验证同样的，数据也可以基于统计进行分析 统计学在机器学习中的应用文本统计与文学作品鉴真文本统计设计到的指标词频率、平均句长、平均词长 统计学常用指标平均数绝对数与相对数百分比频率同比与环比 0 1Numpy简介及基本使用Numpy简介Numpy基本使用 NumpyNumpy的全称是Numerical Python，作为高性能的数据分析以及科学计算的基础包，Numpy提供了矩阵科学计算的相关功能。Numpy提供的功能主要分为以下几个：1. 提供了数组数据快速进行标准科学计算的相关功能。2. 提供了有用的线性代数，傅里叶变换和随机数的相关功能。3. ndarray—一个具有向量算术运算和复杂广播能力的多维数组对象。4. 用于读写磁盘数据的工具以及用于操作内存映射文件的工具。5. 提供了集成Fortran以及C/C++代码的工具。【注】上述所提及“广播”的意思可以理解为：当存在两个不同维度数组(array)进行科学运算时，由于Numpy运算时需要相同的结构，可以用低维的数组复制成高维数组参与运算。Numpy安装 Numpy安装Python 官网上的发行版是不包含 NumPy 模块的，即如果使用Numpy需要自行安装，安装的方式有以下几种：（1）使用pip安装使用pip工具进行NumPy 的安装是最简单且快速的方法，使用如下命令即可完成安装：pip install --user numpy--user选项的功能是可以设置numpy只安装在当前用户下，而不是写入到系统目录中。该命令在默认情况下使用的是国外线路，速度很慢，故推荐使用清华镜像进行下载并安装:pip install numpy -i /simple Numpy安装（2）使用已有的发行版本对于大多数用户，尤其是在Windows操作系统上，其实最简单的方法是下载Anaconda Python发行版，因为anaconda集成了许多数据科学计算的关键包（包括NumPy，SciPy，matplotlib，IPython，SymPy 以及Python核心自带的其它包）：Anaconda:是开源且免费Python发行版，适用于大规模数据处理、预测分析，和科学计算，实现包的简化管理和部署，并且支持Linux,Windows和Mac等系统。 Numpy介绍通过该实验的实践，要求大家可以掌握不同维度数组的表示形式，熟悉ndarray的属性和基本操作，能够使用Numpy进行数组的运算、统计和数据存取等操作。ndarray的属性和基本操作创建一个numpy.ndarray对象：import numpy as npa= np.array([[1,2,3],[4,5,6]])a运行结果如下：array([[1, 2, 3], [4, 5, 6]])ndarray对象的别名是array：type(a)运行结果如下：numpy.ndarray Numpy介绍确定各个维度的元素个数：a.shape运行结果如下：(2, 3)元素个数：a.size运行结果如下：6数据的维度：a.ndim运行结果如下：2数据类型：a.dtype运行结果如下：dtype(int32)每个元素的大小，以字节为单位：a.itemsize运行结果如下：2访问数组的元素：a[0][0]运行结果如下：1 Numpy介绍从列表创建：import numpy as npnp.array([[1,2,3],[4,5,6]],dtype=np.float32)运行结果如下：array([[1., 2., 3.], [4., 5., 6.]], dtype=float32)从元组创建np.array([(1,2),(2,3)])运行结果如下：array([[1, 2], [2, 3]])从列表和元组创建np.array([[1,2,3,4],(4,5,6,7)])运行结果如下：array([[1, 2, 3, 4], [4, 5, 6, 7]])类似range()函数，返回ndarray类型，元素从0到n‐1np.arange(5)运行结果如下：array([0, 1