版权声明:尊重知识产权与劳动成果 https://blog.csdn.net/hzk1562110692/article/details/89042543
这是一篇机器学习的介绍,本文不会涉及公式推导,主要是一些算法思想的随笔记录。
适用人群:机器学习初学者,转AI的开发人员。
编程语言:Python
下面从自己项目中遇到的一些python、numpy知识点整理出来:
(注:以下np均表示numpy)
python2与python3的几点不同
python2与python3是目前使用最广泛的两个版本,一些新的代码都建议使用python3,对于一些经典书籍等中的案例,还是沿用python2的代码,python2与3使用方面差别如下:
python2与python3的区别
其中,python2像python3代码过渡,最需要改动的一点就是**print()**函数的修改了。
if与for的组合使用
if与for组合使用,可以简洁的达到需要的效果:
L = [1,2,3,4,5,6]
L = [x for x in L if x%2 != 0]
print(L) # [1,3,5]
K = [x + y for x in 'ab' for y in 'jk']
print[K] #['aj','ak','bj','bk']
ndarray与array
注意,python中没有数组类型,可以用list来代替:
list1 = [1,4,2,3,7]
list2 = [1,2,3.234,"hello",[1,2,3]]
print(type(list1))
print(type(list2))
np.array()只是一个便捷的函数,用来创建一个ndarray对象,它本身不是一个类。使用中是ndarray对象。
numpy设置小数格式显示
numpy中小数很多时候显示科学计数法,可通过下面设置显示小数形式:
np.set_printoptions(suppress=True)
numpy检测数据中是否有缺失值
np.isnan()
data = pd.read_csv(‘xxxxx.txt’)
np.isnan(data).any()
np.isnan(data).any()会返回每一列(特征)是否有缺失值,True:有,False:无
numpy创建随机数
np.random
#创建指定形状(示例为10行10列)的数组(范围在0至1之间)
np.random.rand(10, 10)
#创建指定范围内的一个数
np.random.uniform(0, 100)
#创建指定范围内的一个整数
np.random.randint(0, 100)
#给定均值/标准差/维度的正态分布
np.random.normal(1.75, 0.1, (2, 3))