《机器学习测试》笔记（1）——numpy

# coding:utf-8
import numpy asnp

defcreate_array():
    a = np.empty([3,2], dtype = int)
    print("随机整数数组:\n",a)
    #随机整数数组:
    #[[ 81060032     32765]
    #[ 81064576     32765]
    #[-67197712     32764]]
    a = np.zeros([2,2], dtype = float)
    print("全0数组:\n",a)
    #全0数组:
    #[[0. 0.]
    #[0. 0.]]
    a = np.ones([2,2], dtype = int)
    print("全1数组:\n",a)
    #全1数组:
    #[[1 1]
    #[1 1]]
    a =np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12],[13,14,15,16]])
    print("创建数组:\n",a)
    #创建数组:
    #[[ 1 2  3  4]
    #[ 5 6  7  8]
    #[ 9 10 11 12]
    #[13 14 15 16]]
    x = [(1,2,3,4),(5,6,7,8)]
    a = np.asarray(x)
    print("从原来的数组或元组创建数组:\n",a)
    #从原来的数组或元组创建数组:
    #[[1 2 3 4]
    #[5 6 7 8]]
    a = np.random.random([2,3])
    print("产生随机数组:\n",a)
    #产生0-1随机数组:
    #[[0.67427601 0.11907    0.99459619]
    #[0.60160757 0.86183888 0.73418104]]
    a = np.linspace(start=0,stop=20,num=11)
    print("产生一维等差数组:\n",a)
    #产生一维等差数组:
    #[ 0. 2.  4.  6.  8.10. 12. 14. 16. 18. 20.]
    a =np.logspace(start=1,stop=3,num=3,endpoint=True,base=2)
    print("产生[base^start,base^stop] 个数组:\n",a)
    #产生[base^start,base^stop] 个数组:
    #[2. 4. 8.]

defget_attribute():
    a =np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12],[13,14,15,16]])
    print("a的行列数:\n",a.shape)
    print("a的数据类型:\n",a.dtype)
    print("a的秩:\n",a.ndim)
    print("a的总个数:\n",a.size)

def np_operator():
    a =np.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]])
    print("a:\n",a)
    #[[ 1 2  3]
    #[ 4 5  6]
    #[ 7 8  9]
    #[10 11 12]]
    print("a数组调整:\n",a.reshape(3,4))
    #a数组调整:
    #[[ 1 2  3  4]
    #[ 5 6  7  8]
    #[ 9 10 11 12]]
    print("a前两2行:\n",a[0:2])
    #a前两行:
    #[[1 2 3]
    #[4 5 6]]
    print("a第3列:\n",a[:,2])
    #a第3列:
    #[ 3 6  9 12]
    print("a每个元素+1:\n",a+1)
    #a每个元素+1:
    #[[ 2 3  4]
    #[ 5 6  7]
    #[ 8 9 10]
    #[11 12 13]]
    print("a每个元素平方:\n",a**2)
    #a每个元素平方:
    #[[ 1   4   9]
    #[ 16 25  36]
    #[ 49 64  81]
    #[100 121 144]]
    print("判断a每个元素是否等于5:\n",a==5)
    #判断a每个元素是否等于5:
    #[[False False False]
    #[False True False]
    #[False False False]
    #[False False False]]
    print("a列求和:\n",a.sum(axis=0))
    #a列求和:
    #[22 26 30]
    print("a行求和:\n",a.sum(axis=1))
    #a行求和:
    #[6 15 24 33]
    A = np.array([[1,1],[2,1]])
    B = np.array([[1,2],[3,4]])
    print("A:\n",A)
    #A:
    #[[1 1]
    #[2 1]]
    print("B:\n",B)
    #B:
    #[[1 2]
    #[3 4]]
    print("A*B:\n",A*B)
    #A*B:
    #[[1 2]
    #[6 4]]
    print("矩阵内积:\n",A.dot(B))
    #矩阵内积:
    #[[4 6]
    #[5 8]]
    print("矩阵乘法:\n",np.dot(A,B))
    #矩阵乘法:
    # [[4 6]
    # [5 8]]
    print("A的扩展:\n",np.tile(A,(2,3)))
    #A的扩展:
    # [[1 1 1 1 1 1]
    # [2 1 2 1 2 1]
    # [1 1 1 1 1 1]
    # [2 1 2 1 2 1]]
    print("纵向量与横向量内积:\n",X.dot(Y))
    print("纵向量与横向量乘法:\n",np.dot(X,Y))
    print("横向量与纵向量内积:\n",Y.dot(X))
    print("横向量与纵向量内积:\n",np.dot(Y,X))
    #X = [1,2]
    #Y = [3,
    #   4]
    #横向量与纵向量内积:
    #[[3 4]
    #[6 8]]
    #横向量与纵向量乘法:
    #[[3 4]
    #[6 8]]
    #纵向量与横向量内积:
    #[[11]]
    #纵向量与横向量内积:
    #[[11]]

def ord_index():
    a =np.array([[1,3,2],[6,5,4],[7,8,9],[11,10,12]])
    print("a:\n",a)
    #a:
    #[[ 1 3  2]
    #[ 6 5  4]
    #[ 7 8  9]
    #[11 10 12]]
    index = a.argmax(axis=0)
    print("a中每一列最大值索引:\n",index)
    #a中每一列最大值索引:
    #[3 3 3]
    print("a中每一列最大值:\n",a[index,range(a.shape[1])])
    #a中每一列最大值:
    #[11 10 12]
    print("a中每行元素从小到大排序:\n",np.sort(a,axis=1))
    #a中每行元素从小到大排序:
    #[[ 1 2  3]
    #[ 4 5  6]
    # [ 7 8  9]
    #[10 11 12]]
    print("返回数组从小到大的索引值:\n",np.argsort(a))
    #返回数组从小到大的索引值:
    #[[0 2 1]
    #[2 1 0]
    #[0 1 2]
    #[1 0 2]]

def load_file():
    a = range(10)
    np.save('testfile',a)
    b = np.load('testfile.npy')
    print(b)
    #[0 1 2 3 4 5 6 7 8 9]
    a = range(15)
    np.savetxt('mydata.txt',a)
    b = np.loadtxt('mydata.txt')
    print(b)
    #[ 0. 1.  2.  3. 4.  5.  6. 7.  8.  9. 10. 11. 12. 13. 14.]

if __name__=="__main__":
    create_array()
    get_attribute()
    np_operator()
    ord_index()
    load_file()