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

文档系统阐述了NumPy的基本使用和功能概述，包括NumPy数组(ndarray)对象的创建与操作、ufunc函数的应用、随机数生成以及常用数组运算函数。NumPy能够支持多维数组的创建和各种数值计算操作，如线性代数运算、随机数生成、统计计算等。文档通过具体代码示例展示了数组的大小、排序、最大值、最小值等功能，并介绍了ufunc函数在数组元素运算中的高效应用。同时，文档还涵盖了NumPy的随机数生成函数及其多种分布类型，包括rand、normal、uniform等。

AI总结

《机器学习课程-NumPy使用总结》

这是一份关于NumPy的使用总结，内容涵盖NumPy的概述、数组对象、ufunc函数以及函数库的应用。以下是核心内容的总结：

1. **NumPy概述**
- NumPy（Numeric Python）是Python的开源数值计算扩展库，主要功能包括：创建n维数组、对数组进行函数运算、线性代数运算、傅里叶变换、随机数生成等。

2. **NumPy数组（ndarray）对象**
- NumPy的核心是多维数组对象`ndarray`，用于存储同类型元素的多维数组。
- 数组的索引从0开始，支持多维数组，维数没有限制。例如：

     data = np.arange(12).reshape(3, 4)

结果为一个3行4列的二维数组。

3. **ufunc函数**
- ufunc（通用函数）用于对数组元素进行逐元素运算。
- 常见的ufunc函数包括：`add`（加法）、`subtract`（减法）、`multiply`（乘法）、`divide`（除法）、`power`（幂运算）等。
示例：

     a = np.arange(0, 4)
     b = np.arange(1, 5)
     np.add(a, b)  # 结果为 [1, 3, 5, 7]
     a + b          # 结果与上相同

4. **NumPy的函数库**
- **随机数**：NumPy提供了多种随机数生成函数，如`rand`（均匀分布）、`normal`（正态分布）、`randint`（均匀整数分布）、`poisson`（泊松分布）等。
示例：

     r1 = np.random.rand(4, 3)  # 生成4x3的随机数组，范围[0, 1)
     r2 = np.random.poisson(2.0, (4, 3))  # 生成泊松分布随机数组

- **统计函数**：NumPy提供了多种统计函数，如`sum`（求和）、`mean`（均值）、`var`（方差）、`std`（标准差）等。
示例：

     a = np.random.randint(0, 10, size=(4, 5))
     np.sum(a)  # 计算数组所有元素的和

- **排序与极值函数**：如`min`（最小值）、`max`（最大值）、`median`（中位数）、`sort`（排序）等。
示例：

     a = np.array([1, 3, 5, 7])
     b = np.array([2, 4, 6])
     np.maximum(a[None, :], b[:, None])  
     # 结果为[[2, 3, 5, 7], [4, 4, 5, 7], [6, 6, 6, 7]]

这份总结涵盖了NumPy的核心功能及其使用场景，适合用于快速了解NumPy的主要特性和常用函数。