??????教程全知識點簡介：1.機器學(xué)習(xí)常用科學(xué)計算庫包括基礎(chǔ)定位、目標。2. 人工智能概述涵蓋人工智能應(yīng)用場景、人工智能小案例、人工智能發(fā)展必備三要素、人工智能機器學(xué)習(xí)和深度學(xué)習(xí)。3. 機器學(xué)習(xí)概述包括機器學(xué)習(xí)工作流程、什么是機器學(xué)習(xí)、模型評估（回歸模型評估、擬合）、Azure機器學(xué)習(xí)模型搭建、完整機器學(xué)習(xí)項目流程。4. 機器學(xué)習(xí)基礎(chǔ)環(huán)境安裝與使用包括Jupyter Notebook使用（一級標題、Jupyter Notebook中自動補全代碼等相關(guān)功能拓展）。5. Matplotlib可視化涵蓋Matplotlib HelloWorld（什么是Matplotlib、實現(xiàn)簡單Matplotlib畫圖折線圖、畫出溫度變化圖、準備數(shù)據(jù)、創(chuàng)建畫布、繪制折線圖、顯示圖像、構(gòu)造x軸刻度標簽、修改坐標刻度顯示、設(shè)置中文字體、設(shè)置正常顯示符號、保存圖片）、添加坐標軸刻度、添加網(wǎng)格顯示、添加描述信息、圖像保存、設(shè)置圖形風(fēng)格、常見圖形繪制（常見圖形種類意義、散點圖繪制）。6. Numpy包括Numpy優(yōu)勢、N維數(shù)組ndarray（ndarray屬性）、基本操作（生成數(shù)組方法、生成0和1數(shù)組、從現(xiàn)有數(shù)組生成、創(chuàng)建符合正態(tài)分布stock漲跌幅數(shù)據(jù)）、數(shù)組間運算（數(shù)組與數(shù)的運算）。7. Pandas數(shù)據(jù)結(jié)構(gòu)包括Series、DataFrame。8. 文件讀取與存儲涵蓋CSV（read_csv）、HDF（read_hdf與to_hdf）、JSON（read_josn）。9. 高級處理數(shù)據(jù)離散化包括為什么要離散化、什么是數(shù)據(jù)離散化、stock漲跌幅離散化（讀取stock數(shù)據(jù)、將stock漲跌幅數(shù)據(jù)進行分組、stock漲跌幅分組數(shù)據(jù)變成one_hot編碼）、案例實現(xiàn)。

??????????本站這篇博客：???http://www.itdecent.cn/p/2c023c455951 ???中查看

? 本教程項目亮點

?? 知識體系完整：覆蓋從基礎(chǔ)原理、核心方法到高階應(yīng)用的全流程內(nèi)容
?? 全技術(shù)鏈覆蓋：完整前后端技術(shù)棧，涵蓋開發(fā)必備技能
?? 從零到實戰(zhàn)：適合 0 基礎(chǔ)入門到提升，循序漸進掌握核心能力
?? 豐富文檔與代碼示例：涵蓋多種場景，可運行、可復(fù)用
?? 工作與學(xué)習(xí)雙參考：不僅適合系統(tǒng)化學(xué)習(xí)，更可作為日常開發(fā)中的查閱手冊
?? 模塊化知識結(jié)構(gòu)：按知識點分章節(jié)，便于快速定位和復(fù)習(xí)
?? 長期可用的技術(shù)積累：不止一次學(xué)習(xí)，而是能伴隨工作與項目長期參考

??????全教程總章節(jié)

??????本篇主要內(nèi)容

Numpy

學(xué)習(xí)目標

了解Numpy運算速度上的優(yōu)勢
知道數(shù)組的屬性，形狀、類型
應(yīng)用Numpy實現(xiàn)數(shù)組的基本操作
應(yīng)用隨機數(shù)組的創(chuàng)建實現(xiàn)正態(tài)分布應(yīng)用
應(yīng)用Numpy實現(xiàn)數(shù)組的邏輯運算
應(yīng)用Numpy實現(xiàn)數(shù)組的統(tǒng)計運算
應(yīng)用Numpy實現(xiàn)數(shù)組之間的運算

4.4 ndarray運算

學(xué)習(xí)目標

目標
- 應(yīng)用數(shù)組的通用判斷函數(shù)
- 應(yīng)用np.where實現(xiàn)數(shù)組的三元運算

問題

如果想要操作符合某一條件的數(shù)據(jù)，應(yīng)該怎么做？

1 邏輯運算

  
  
# 生成10名同學(xué)，5門功課的數(shù)據(jù)
  
  
>>> score = np.random.randint(40, 100, (10, 5))

  
  
# 取出最后4名同學(xué)的成績，用于邏輯判斷
  
  
>>> test_score = score[6:, 0:5]

  
  
# 邏輯判斷, 如果成績大于60就標記為True 否則為False
  
  
>>> test_score > 60
array([[ True,  True,  True, False,  True],
       [ True,  True,  True, False,  True],
       [ True,  True, False, False,  True],
       [False,  True,  True,  True,  True]])

  
  
# BOOL賦值, 將滿足條件的設(shè)置為指定的值-布爾索引
  
  
>>> test_score[test_score > 60] = 1
>>> test_score
array([[ 1,  1,  1, 52,  1],
       [ 1,  1,  1, 59,  1],
       [ 1,  1, 44, 44,  1],
       [59,  1,  1,  1,  1]])

2 通用判斷函數(shù)

np.all()

  
  
# 判斷前兩名同學(xué)的成績[0:2, :]是否全及格
  
  
>>> np.all(score[0:2, :] > 60)
False

np.any()

  
  
# 判斷前兩名同學(xué)的成績[0:2, :]是否有大于90分的
  
  
>>> np.any(score[0:2, :] > 80)
True

3 np.where（三元運算符）

通過使用np.where能夠進行更加復(fù)雜的運算

np.where()

  
  
# 判斷前四名學(xué)生,前四門中，成績中大于60的置為1，否則為0
  
  
temp = score[:4, :4]
np.where(temp > 60, 1, 0)

復(fù)合邏輯需要結(jié)合np.logical_and和np.logical_or使用

  
  
# 判斷前四名學(xué)生,前四門中，成績中大于60且小于90的換為1，否則為0
  
  
np.where(np.logical_and(temp > 60, temp < 90), 1, 0)

  
  
# 判斷前四名學(xué)生,前四門中，成績中大于90或小于60的換為1，否則為0
  
  
np.where(np.logical_or(temp > 90, temp < 60), 1, 0)

4 統(tǒng)計運算

如果想要知道學(xué)生成績最大的分數(shù)，或者做小分數(shù)應(yīng)該怎么做？

4.1 統(tǒng)計指標

在數(shù)據(jù)挖掘/機器學(xué)習(xí)領(lǐng)域，統(tǒng)計指標的值也是我們分析問題的一種方式。常用的指標如下：

min(a, axis)
- Return the minimum of an array or minimum along an axis.
max(a, axis])
- Return the maximum of an array or maximum along an axis.
median(a, axis)
- Compute the median along the specified axis.
mean(a, axis, dtype)
- Compute the arithmetic mean along the specified axis.
std(a, axis, dtype)
- Compute the standard deviation along the specified axis.
var(a, axis, dtype)
- Compute the variance along the specified axis.

schedule 文檔

4.2 案例：學(xué)生成績統(tǒng)計運算

進行統(tǒng)計的時候，axis 軸的取值并不一定，Numpy中不同的API軸的值都不一樣，在這里，axis 0代表列, axis 1代表行去進行統(tǒng)計

bcrypt 文檔

  
  
# 接下來對于前四名學(xué)生,進行一些統(tǒng)計運算
  
  
  
  
# 指定列 去統(tǒng)計
  
  
temp = score[:4, 0:5]
print("前四名學(xué)生,各科成績的最大分：{}".format(np.max(temp, axis=0)))
print("前四名學(xué)生,各科成績的最小分：{}".format(np.min(temp, axis=0)))
print("前四名學(xué)生,各科成績波動情況：{}".format(np.std(temp, axis=0)))
print("前四名學(xué)生,各科成績的平均分：{}".format(np.mean(temp, axis=0)))

結(jié)果：

前四名學(xué)生,各科成績的最大分：[96 97 72 98 89]
前四名學(xué)生,各科成績的最小分：[55 57 45 76 77]
前四名學(xué)生,各科成績波動情況：[16.25576821 14.92271758 10.40432602  8.0311892   4.32290412]
前四名學(xué)生,各科成績的平均分：[78.5  75.75 62.5  85.   82.25]

如果需要統(tǒng)計出某科最高分對應(yīng)的是哪個同學(xué)？

np.argmax(temp, axis=)
np.argmin(temp, axis=)

print("前四名學(xué)生，各科成績最高分對應(yīng)的學(xué)生下標：{}".format(np.argmax(temp, axis=0)))

結(jié)果：

前四名學(xué)生，各科成績最高分對應(yīng)的學(xué)生下標：[0 2 0 0 1]

5 小結(jié)

邏輯運算【知道】
- 直接進行大于,小于的判斷
- 合適之后,可以直接進行賦值
通用判斷函數(shù)【知道】
- np.all()
- np.any()
統(tǒng)計運算【掌握】
- np.max()
- np.min()
- np.median()
- np.mean()
- np.std()
- np.var()
- np.argmax(axis=) — 最大元素對應(yīng)的下標
- np.argmin(axis=) — 最小元素對應(yīng)的下標

4.5 數(shù)組間運算

學(xué)習(xí)目標

Tornado 文檔

目標
- 知道數(shù)組與數(shù)之間的運算
- 知道數(shù)組與數(shù)組之間的運算
- 說明數(shù)組間運算的廣播機制

os 文檔

Python 標準庫參考

1 數(shù)組與數(shù)的運算

Python.org 初學(xué)者指南

arr = np.array([[1, 2, 3, 2, 1, 4], [5, 6, 1, 2, 3, 1]])
arr + 1
arr / 2

  
  
# 可以對比python列表的運算，看出區(qū)別
  
  
a = [1, 2, 3, 4, 5]
a * 3

2 數(shù)組與數(shù)組的運算

arr1 = np.array([[1, 2, 3, 2, 1, 4], [5, 6, 1, 2, 3, 1]])
arr2 = np.array([[1, 2, 3, 4], [3, 4, 5, 6]])

上面這個能進行運算嗎，結(jié)果是不行的！

2.1 廣播機制

數(shù)組在進行矢量化運算時，要求數(shù)組的形狀是相等的。當形狀不相等的數(shù)組執(zhí)行算術(shù)運算的時候，就會出現(xiàn)廣播機制，該機制會對數(shù)組進行擴展，使數(shù)組的shape屬性值一樣，這樣，就可以進行矢量化運算了。下面通過一個例子進行說明：

arr1 = np.array([[0],[1],[2],[3]])
arr1.shape
  
  
# (4, 1)
  
  

arr2 = np.array([1,2,3])
arr2.shape
  
  
# (3,)
  
  

arr1+arr2
  
  
# 結(jié)果是：
  
  
array([[1, 2, 3],
       [2, 3, 4],
       [3, 4, 5],
       [4, 5, 6]])

上述代碼中，數(shù)組arr1是4行1列，arr2是1行3列。這兩個數(shù)組要進行相加，按照廣播機制會對數(shù)組arr1和arr2都進行擴展，使得數(shù)組arr1和arr2都變成4行3列。

下面通過一張圖來描述廣播機制擴展數(shù)組的過程：

這句話乃是理解廣播的核心。廣播主要發(fā)生在兩種情況，一種是兩個數(shù)組的維數(shù)不相等，但是它們的后緣維度的軸長相符，另外一種是有一方的長度為1。

廣播機制實現(xiàn)了時兩個或兩個以上數(shù)組的運算，即使這些數(shù)組的shape不是完全相同的，只需要滿足如下任意一個條件即可。

如果兩個數(shù)組的后緣維度（trailing dimension，即從末尾開始算起的維度）的軸長度相符，
或其中的一方的長度為1。

phonenumbers 文檔

廣播會在缺失和（或）長度為1的維度上進行。

廣播機制需要擴展維度小的數(shù)組，使得它與維度最大的數(shù)組的shape值相同，以便使用元素級函數(shù)或者運算符進行運算。

如果是下面這樣，則不匹配：

A  (1d array): 10
B  (1d array): 12
A  (2d array):      2 x 1
B  (3d array):  8 x 4 x 3

思考：下面兩個ndarray是否能夠進行運算？

arr1 = np.array([[1, 2, 3, 2, 1, 4], [5, 6, 1, 2, 3, 1]])
arr2 = np.array([[1], [3]])

3 小結(jié)

數(shù)組運算,滿足廣播機制,就OK【知道】
- 1.維度相等
- 2.shape(其中對應(yīng)的地方為1,也是可以的)

4.6 數(shù)學(xué)：矩陣

學(xué)習(xí)目標

目標
- 知道什么是矩陣和向量
- 知道矩陣的加法,乘法
- 知道矩陣的逆和轉(zhuǎn)置
- 應(yīng)用np.matmul、np.dot實現(xiàn)矩陣運算

Selenium Python 文檔

1 矩陣和向量

1.1 矩陣

矩陣，英文matrix，和array的區(qū)別矩陣必須是2維的，但是array可以是多維的。

如圖:這個是 3×2 矩陣，即 3 行 2 列，如 m 為行，n 為列，那么 m×n 即 3×2無法顯示矩陣的維數(shù)即行數(shù)×列數(shù)

矩陣元素(矩陣項):無法顯示Aij 指第 i 行，第 j 列的元素。

1.2 向量

向量是一種特殊的矩陣，講義中的向量一般都是列向量，下面展示的就是三維列向量(3×1)。)A=[123] A = \left[ \begin{matrix} 1 \ 2 \ 3 \end{matrix} \right] A=??123??

2 加法和標量乘法

矩陣的加法:行列數(shù)相等的可以加。

例:無法顯示矩陣的乘法:每個元素都要乘。

例:無法顯示組合算法也類似。

3 矩陣向量乘法

矩陣和向量的乘法如圖：m×n 的矩陣乘以 n×1 的向量，得到的是 m×1 的向量

例:無法顯示

1*1+3*5 = 16
4*1+0*5 = 4
2*

色偷偷精品伊人,欧洲久久精品,欧美综合婷婷骚逼,国产AV主播,国产最新探花在线,九色在线视频一区,伊人大交九欧美,1769亚洲,黄色成人av

【機器學(xué)習(xí)】嘿馬機器學(xué)習(xí)（科學(xué)計算庫）第6篇：Numpy,4.4 ndarray運算【附代碼文檔】

【機器學(xué)習(xí)】嘿馬機器學(xué)習(xí)（科學(xué)計算庫）第6篇：Numpy,4.4 ndarray運算【附代碼文檔】

? 本教程項目亮點

??????全教程總章節(jié)

??????本篇主要內(nèi)容

Numpy

學(xué)習(xí)目標

4.4 ndarray運算

學(xué)習(xí)目標

問題

1 邏輯運算

2 通用判斷函數(shù)

3 np.where（三元運算符）

4 統(tǒng)計運算

4.1 統(tǒng)計指標

4.2 案例：學(xué)生成績統(tǒng)計運算

5 小結(jié)

4.5 數(shù)組間運算

學(xué)習(xí)目標

1 數(shù)組與數(shù)的運算

2 數(shù)組與數(shù)組的運算

2.1 廣播機制

3 小結(jié)

4.6 數(shù)學(xué)：矩陣

學(xué)習(xí)目標

1 矩陣和向量

1.1 矩陣

1.2 向量

2 加法和標量乘法

3 矩陣向量乘法

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容

色偷偷精品伊人,欧洲久久精品,欧美综合婷婷骚逼,国产AV主播,国产最新探花在线,九色在线视频一区,伊人大交九 欧美,1769亚洲,黄色成人av

【機器學(xué)習(xí)】嘿馬機器學(xué)習(xí)（科學(xué)計算庫）第6篇：Numpy,4.4 ndarray運算【附代碼文檔】

? 本教程項目亮點

??????全教程總章節(jié)

??????本篇主要內(nèi)容

Numpy

學(xué)習(xí)目標

4.4 ndarray運算

學(xué)習(xí)目標

問題

1 邏輯運算

2 通用判斷函數(shù)

3 np.where（三元運算符）

4 統(tǒng)計運算

4.1 統(tǒng)計指標

4.2 案例：學(xué)生成績統(tǒng)計運算

5 小結(jié)

4.5 數(shù)組間運算

學(xué)習(xí)目標

1 數(shù)組與數(shù)的運算

2 數(shù)組與數(shù)組的運算

2.1 廣播機制

3 小結(jié)

4.6 數(shù)學(xué)：矩陣

學(xué)習(xí)目標

1 矩陣和向量

1.1 矩陣

1.2 向量

2 加法和標量乘法

3 矩陣向量乘法

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容

色偷偷精品伊人,欧洲久久精品,欧美综合婷婷骚逼,国产AV主播,国产最新探花在线,九色在线视频一区,伊人大交九欧美,1769亚洲,黄色成人av