人工智能基础课堂纪要2

3.3 常见图形绘制[*]

1.折线图 -- plt.plot

变化

2.散点图 -- plt.scatter()

分布规律

3.柱状图 -- plt.bar

统计、对比

4.直方图 -- plt.hist()

统计，分布

5.饼图 -- plt.pie()

占比

4 Numpy

4.1 Numpy优势

1.定义

开源的Python科学计算库，

用于快速处理任意维度的数组

Numpy中，存储对象是ndarray

2.创建

np.array([])

3.numpy的优势

内存块风格 -- 一体式存储

支持并行化运算

效率高于纯Python代码 -- 底层使用了C，内部释放了GIL

4.2 N维数组-ndarray[**]

1.ndarray的属性

属性名字    属性解释

ndarray.shape   数组维度的元组

ndarray.ndim    数组维数

ndarray.size    数组中的元素数量

ndarray.itemsize    一个数组元素的长度（字节）

ndarray.dtype   数组元素的类型

2.ndarray的形状

np.array()

三维数组不好理解 -- excel中有多个sheet

3.ndarray的类型

bool

int

float

str

...

注意：若不指定，整数默认int64，小数默认float64

4.3 基本操作

1 生成数组的方法[**]

1.生成0和1的数组

np.ones()

np.ones_like()

2.从现有数组中生成

np.array -- 深拷贝

np.asarray -- 浅拷贝

3.生成固定范围数组

np.linspace()

nun -- 生成等间隔的多少个

np.arange()

step -- 每间隔多少生成数据

np.logspace()

生成以10的N次幂的数据

4 生成随机数组

1.均匀分布生成

np.random.uniform()

low

high

size

2.正态分布[****]

均值，方差

均值 -- 图形的左右位置

方差 -- 图像是瘦，还是胖

值越小，图形越瘦高，数据越集中

值越大，图形越矮胖，数据越分散

3.正态分布api[***]

np.random.normal()

low

high

size

2.数组的索引、切片[***]

直接索引

先对行进行索引，再进行列索引 -- [*, #]

高维数组索引，从宏观到微观

3.形状修改[**]

1.对象.reshape

不进行行列互换，产生新变量

2.对象.resize

不进行行列互换,对原值进行更改

3.对象.T

进行行列互换

4.类型修改[*]

对象.astype()

5.数组去重[*]

np.unique()

4.4 ndarray运算[**]

1.逻辑运算

大于，小于直接进行判断

赋值：满足要求，直接进行赋值

2.通用判断函数

np.all()

所有满足要求，才返回True

np.any()

只要有一个满足要求，就返回True

3.三元运算符

np.where()

满足要求，赋值第一个值，否则赋值第二个值

np.logical_and()

并

np.logical_or()

或

4.统计运算

min

max

midian

mean

std -- 标准差

var -- 方差

argmax -- 最大值下标

argmin -- 最小值下标

4.5 矩阵[*]

1.矩阵和向量

矩阵：理解-二维数组

向量：理解-一维数组

2.加法和标量乘法

加法： 对应位置相加

乘法： 标量和每个位置的元素相乘

3.矩阵向量（矩阵）乘法[*****]

[M行, N列]*[N行, L列] = [M行, L列]

4.矩阵乘法性质

1.满足结合律，不满足交换律

5.单位矩阵

对角线为1，其他位置为0的矩阵

6.逆

矩阵A*矩阵B=单位矩阵I

那么A和B就互为逆矩阵

7.转置

行列互换

4.6 数组间运算[*]

1.数组和数字是直接可以进行运算

2.数组和数组

需要满足广播机制

维度相同

shape对应位置为1

3.矩阵乘法api

np.dot --点乘

np.matmul -- 矩阵相乘

注意：两者之间在进行矩阵相乘时候，没有区别

但是，dot支持矩阵和数字相乘

5.Pandas

5.1Pandas介绍

1.pandas概念

开源的数据挖掘库

用于数据探索

封装了matplotlib,numpy

2.案例知识点

1.创建DataFrame

pd.DataFrame(ndarray)

2.创建日期

pd.date_range()

start -- 开始日期

end -- 结束日期

periods -- 时间跨度

freq -- 统计时间方式

3.DataFrame介绍 -- 类比二维数组[***]

1.dataframe属性

对象.shape

对象.index

对象.columns

对象.values

对象.T

对象.head()

对象.tail()

2.dataframe设置索引

1.修改行列索引

必须整行或者整列去进行修改

2.重设索引

对象.reset_index()

3.设置新索引

对象.set_index()

如果设置索引是两个的时候就是multiIndex

4.MultiIndex和panel -- 类比三维数组[**]

1.MultiIndex

对象.index

对象.index.names

2.panel -- 已经弃用,了解

直接没法进行查看里面的值,需要通过索引获取

对象[:, :, ""]

5.Series  -- 一维数组[**]

1.创建

通过ndarray创建

指定索引创建

通过字典创建

2.属性

对象.index

对象.values