《Python数据分析与机器学习》 课件 第5章 Numpy数据处理基础.pptxVIP

Python数据分析与机器学习;《Python数据分析与机器学习》;《Python数据分析与机器学习》;《Python数据分析与机器学习》;5.1.1 利用numpy.array函数创建数组;《Python数据分析与机器学习》;1、通过ndim属性获取数组的维度 arr1.ndim 1 arr2.ndim 2 arr3.ndim 3 2、通过shape属性获取表示数组各维度大小的形状元组 arr1.shape (8,) arr2.shape (2, 5) arr3.shape (2, 2, 2) ;5.1.3 数组对象的类型;《Python数据分析与机器学习》;《Python数据分析与机器学习》;《Python数据分析与机器学习》;《Python数据分析与机器学习》;《Python数据分析与机器学习》;《Python数据分析与机器学习》;《Python数据分析与机器学习》;《Python数据分析与机器学习》 function参数也可以使用lambda表达式。 np.fromfunction(lambda x,y:x*2+y, (3,4)) array([[0., 1., 2., 3.], [2., 3., 4., 5.], [4., 5., 6., 7.]]) 上述代码表示先从第一维为0、1、2，第二维为0、1、2、3构成的3行4列网格位置坐标中取对应的第一维和第二维坐标分别作为x和y的值传递给lambda表达式，该表达式的返回值分别作为参数网格相应位置上的新值来构造一个二维数组。例如，用 lambda表达式计算新数组的第2行第3列时，x取2、y取3，lambda表达式返回计算结果7。;《Python数据分析与机器学习》;《Python数据分析与机器学习》;《Python数据分析与机器学习》;《Python数据分析与机器学习》 numpy.random.random_sample()、numpy.random.random()、numpy.random. ranf()和 numpy.random.sample()四个函数的功能都是返回位于[0.0, 1.0)区间的一个随机的浮点数或参数中指定形状的随机浮点数数组。 np.random.random_sample() 0.8243760561191865 np.random.random_sample(3) array([0 0 0) np.random.random_sample((3,4)) #参数中数组的形状必须以元组的形式出现。 array([[0 0 0 0, [0 0.6405674 , 0 0, [0 0.2897892 , 0 0]) np.random.random_sample((2,3,4)) array([[[0 0 0 0, [0 0 0 0.310123 ], [0 0 0 0], [[0 0 0 0, [0 0 0 0, [0 0 0 0]]);《Python数据分析与机器学习》;《Python数据分析与机器学习》;使用np.random.uniform()生成一个均匀分布的随机采样 《Python数据分析与机器学习》;《Python数据分析与机器学习》;《Python数据分析与机器学习》;《Python数据分析与机器学习》;《Python数据分析与机器学习》;《Python数据分析与机器学习》; rng=np.random.default_rng(seed=0) rng.integers(10,100,size=(2,2)) #第1个次序位置 array([[86, 67], [56, 34]], dtype=int64) rng.integers(10,100,size=(2,2)) #第2个次序位置 array([[37, 13], [16, 11]], dtype=int64) rng.integers