机器学习课程-温州大学-numpy使用总结

• 语言: 中文（简体）
• 格式: .pdf
• 来源: github.com/fengdu78

摘要

文档主要介绍了NumPy的基本使用和功能，包括NumPy数组对象（ndarray）的创建与操作、ufunc函数的使用、随机数生成以及NumPy的函数库。NumPy提供了高效的数值计算工具，广泛应用于科学计算和机器学习领域。

AI总结

### 《机器学习课程-温州大学-numpy使用总结》

#### 1. NumPy概述
- **NumPy** 是一个用于科学计算的库，支持多维数组和矩阵运算，广泛应用于机器学习和数据分析。
- 安装后通过 `import numpy as np` 导入。

#### 2. NumPy数组（ndarray）对象
- **ndarray** 是 NumPy 的核心，用于存储同类型数据的多维数组，支持从0开始的索引。
- **创建数组**：
- `np.arange()`：生成等差数列。
- `np.linspace()`：生成等间距数列。
- `np.logspace()`：生成对数间距数列。
- `np.zeros()`、`np.ones()`：生成全零或全一数组。
- **数组维度**：从内到外分别为第0轴、第1轴、第2轴等。

#### 3. ufunc函数
- **ufunc** 是 NumPy 的通用函数，用于对数组元素进行逐元素运算，支持向量化操作，提升计算效率。
- 示例：
- `np.add()`：数组相加。
- `np.subtract()`：数组相减。

#### 4. NumPy的函数库
- **随机数生成**：
- `np.random.seed()`：设置随机种子以保证结果可重复。
- `np.random.rand()`：生成均匀分布随机数。
- `np.random.poisson()`：生成泊松分布随机数。
- **统计函数**：
- `sum`：求和。
- `mean`：计算均值。
- `var`：计算方差。
- `std`：计算标准差。
- **其他功能**：
- 线性代数运算。
- 傅里叶变换。
- 科学计算工具。

#### 总结
NumPy 提供了高效、灵活的数组处理功能，支持多维数组运算、随机数生成和丰富的数学函数，是机器学习和科学计算中的重要工具。