numpy学习，为后续机器学习铺垫
#!/usr/bin/python #coding=utf-8 #__author__='dahu' # from numpy import * import numpy as np a = np.arange(12).reshape(2, 2, 3) # 2个2行3列的数组 print a, type(a) # ndarray print a.shape ,'3行5列' print a.ndim ,'轴的个数' print a.size ,'总个数' print a.dtype ,'每个元素的类型' a = array(range(5)) # 创建数组 print a, type(a), 'array是工厂函数，生成数组' b = array(tuple(range(5))) # print b, type(b) print linspace(1, 2, 11) ,'[start,stop],还有一个是数量' print arange(1, 2, 0.1) , '类似range，不过可以搞浮点数' fl = array(linspace(1, 2, 11)) print fl.dtype ,'用linspace生成浮点数组，查看每个元素类型，正确。' c = array(zip(range(5), range(10, 15), range(20, 25))) print c,'配合zip生成数组，纵向的' d = array((range(5), range(10, 15), range(20, 25))) print d,'横向的生成数组' # print zeros((3,4)) #全0数组 # print ones((3,4)) #全1数组 print empty((3, 4)) # 函数 empty 创建一个内容随机并且依赖与内存状态的数组，这个没怎么明白 #打印数组 ''' 打印规则: 最后的轴从左到右打印 次后的轴从顶向下打印 剩下的轴从顶向下打印，每个切片通过一个空行与下一个隔开 ''' print np.arange(6),'1维' print np.arange(12).reshape(4,3),'2维' print np.arange(24).reshape(2,3,4),'3维' # np.set_printoptions(threshold='nan') #强制打印整个数组 print arange(10000).reshape(100,100),'数组太大,省略中间部分只打印角落' #基本运算 print np.arange(10,15)-np.arange(5),'数组减法,按元素运算' print np.arange(5)**2 print np.arange(5)*np.arange(10,15),'数组相乘,对应元素相乘' a=np.arange(12).reshape(3,4) a+=1 print a,'操作+=,*=也是针对每个元素来操作的' print np.fromfunction(lambda x,y:x*y,(3,4)),'也算是构造数组,由函数生成' # print a,a.shape # a=a.reshape(2,2,3) # print a for ele in a.flat: print ele, #对每个数组元素进行迭代,多维也可以 c=[ele for ele in a.flat] print np.array(c).reshape(3,4) ,'迭代完了再转换成数组,不耽误' e= np.floor(10*np.random.random((2,12))) #floor取整数位 print e print np.hsplit(e,4),'纵向切' print np.vsplit(e,2),'横向切'
/usr/bin/python2.7 /home/dahu/Homework/GMM的EM算法实现/numpy练习.py [[[ 0 1 2] [ 3 4 5]] [[ 6 7 8] [ 9 10 11]]] <type 'numpy.ndarray'> (2, 2, 3) 3行5列 3 轴的个数 12 总个数 int64 每个元素的类型 [0 1 2 3 4] <type 'numpy.ndarray'> array是工厂函数，生成数组 [ 1. 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2. ] [start,stop],还有一个是数量 [ 1. 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9] 类似range，不过可以搞浮点数 float64 用linspace生成浮点数组，查看每个元素类型，正确。 [[ 0 10 20] [ 1 11 21] [ 2 12 22] [ 3 13 23] [ 4 14 24]] 配合zip生成数组，纵向的 [[ 0 1 2 3 4] [10 11 12 13 14] [20 21 22 23 24]] 横向的生成数组 [[ 0.00000000e+000 4.94065646e-324 9.88131292e-324 1.48219694e-323] [ 1.97626258e-323 2.47032823e-323 2.96439388e-323 3.45845952e-323] [ 3.95252517e-323 4.44659081e-323 4.94065646e-323 5.43472210e-323]] [0 1 2 3 4 5] 1维 [[ 0 1 2] [ 3 4 5] [ 6 7 8] [ 9 10 11]] 2维 [[[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] [[12 13 14 15] [16 17 18 19] [20 21 22 23]]] 3维 [[ 0 1 2 ..., 97 98 99] [ 100 101 102 ..., 197 198 199] [ 200 201 202 ..., 297 298 299] ..., [9700 9701 9702 ..., 9797 9798 9799] [9800 9801 9802 ..., 9897 9898 9899] [9900 9901 9902 ..., 9997 9998 9999]] 数组太大,省略中间部分只打印角落 [10 10 10 10 10] 数组减法,按元素运算 [ 0 1 4 9 16] [ 0 11 24 39 56] 数组相乘,对应元素相乘 [[ 1 2 3 4] [ 5 6 7 8] [ 9 10 11 12]] 操作+=,*=也是针对每个元素来操作的 [[ 0. 0. 0. 0.] [ 0. 1. 2. 3.] [ 0. 2. 4. 6.]] 也算是构造数组,由函数生成 1 2 3 4 5 6 7 8 9 10 11 12 [[ 1 2 3 4] [ 5 6 7 8] [ 9 10 11 12]] 迭代完了再转换成数组,不耽误 [[ 0. 0. 4. 6. 3. 8. 6. 3. 7. 0. 5. 7.] [ 3. 7. 1. 2. 9. 8. 4. 2. 3. 0. 9. 7.]] [array([[ 0., 0., 4.], [ 3., 7., 1.]]), array([[ 6., 3., 8.], [ 2., 9., 8.]]), array([[ 6., 3., 7.], [ 4., 2., 3.]]), array([[ 0., 5., 7.], [ 0., 9., 7.]])] 纵向切 [array([[ 0., 0., 4., 6., 3., 8., 6., 3., 7., 0., 5., 7.]]), array([[ 3., 7., 1., 2., 9., 8., 4., 2., 3., 0., 9., 7.]])] 横向切 Process finished with exit code 0