亚洲在线久爱草,狠狠天天香蕉网,天天搞日日干久草,伊人亚洲日本欧美

#numpy的其他操作 ?

FFT ??

np.fft.fft(np.array([1,1,1,1,1,1,1,])? #階躍響應 ?

np.corrcoef([1, 0, 1],[0, 2, 1]) # 皮爾遜相關系數計算 ??

np.poly1d([3,1,3]) # 生成一元多次函數

矩陣操作

?from numpy.linalg import *

1. 求逆矩陣? inv（）

2. 轉置矩陣? transpose（）

3. 行列式? ?det（）

4. 特征值與特征向量? ?eig（）第一個特征值 第二個特征向量

5. 求解方程?? solve（a,b）
   
   

#常用array操作

np.arange(1, 11)? #產生一個1-11（不含11）的等差數列

np.arange(1, 11)reshape([2, 5]) # 變成兩行五列 五也可換為-1

np.exp(list) # list 的自然指數

np.exp2(list） # list 的自然指數的平方

np.【sqrt，sin，log，square,sum,max,min】(list)?

# list 的正弦，自然對數，開方，平方,求和，最大值，最小值

#np.dot? 點乘? （也可直接進行加減乘除等操作 ）

np.copy(list1)? #對數組進行拷貝

np.concateenata[vstack,hstack]? #對數組進行追加? split 分開

常用數組

np.zeros([2, 4]) ? #輸出元素都為0的2行4列數組 ?

(np.ones([3, 5]) #輸出元素都為1 的2行4列數組 ??

隨機數生成

np.random.rand(2, 4))#輸出2行4列的隨機數組? 范圍(0,1) ?

np.random.rand() #生成一個隨機數 ??

np.random.randint(1, 14, 5) #在1到14之間生成5個隨機整數 ?

np.random.randn(2, 4) #輸出2行4列標準正態分布隨機數 ????

np.random.choice([10,20, 41])#隨機生成一個列表中的數 ???

分布

np.random.beta(1,10, 100) #生成一個1-10共100個beta分布 (也可生成狄利克雷分布，二項式分布等等)

numpy

array 轉換為 ndarray 類型

shape? 幾行幾列

ndim 維度

dtype? 數據類型 (可定義數據類型，默認float64)

itensize 每個元素所占字節

size 元素個數

#encoding=utf-8
import?numpy?as?np

def?main():
????lst=[[1,?3,?5],?[2,?4,?6]]#建立一個二維list
????print(type(lst))#打印lst的數據類型?結果：<type?‘list’>
????np_lst=np.array(lst)#array是numpy中的數據結構，目的是統一list類型中不同的數據類型，降低維護成本
????print(type(np_lst))#結果：<type?'numpy.ndarray'>
????np_lst=np.array(lst.dtype=np.float)#指定數據類型為float
????#數據類型有bool,?int,?int8/16/32/64/128,?unit8/16/32/128,?float16/32/64,?complex64/128
????print(np_lst.shape)#打印array的形狀
????print(np_lst.ndim)#打印array的維度
????print(np_lst.dtype)#打印array的數據類型?結果：float64
????print(np_lst.itemsize)#打印array中每個元素的大?。ㄗ止潝担?結果：?8
????print(np_lst.size)#打印array的大小（元素數）?結果：?6
if?__name__=="__main__":
????main()

print(np.zeros([2,4]))#輸出元素都為0的2行4列數組
print(np.ones([3,5]))#輸出元素都為1?的2行4列數組
print("Rand:")#生成隨機數
print(np.random.rand(2,?4))#輸出2行4列的隨機數組
print(np.random.rand())#生成一個隨機數
print(np.random.randint(1,?14,?5))#在1到14之間生成5個隨機數
print("RandInt:")#生成隨機整數
print(np.random.randint(1,10))#生成1個1到10之間的隨機整數
print(np.random.randint(1,10,3))#生成3個1到10之間的隨機整數[a?b?c]
print("Randn:")#生成正態分布的隨機數
print(np.random.randn())#生成一個標準正態分布的隨機數
print(np.random.randn(2,?4))#生成2行4列標準正態分布的隨機數
print("Choice:")#從給定數組中隨機選取一個數
print(np.random.choice([10,?20,?30]))#從給定數組中隨機選取一個打印出來
print("Distribute:")#生成數學上某種指定分布
print(np.random.beta(1,?10,?100))#生成從1到10一共100個beta分布的數

#encoding=utf-8
import?numpy?as?np
import?pandas?as?pd



def?main():
????????#Data?structure
????????s=pd.Series([i*2?for?i?in?range(1,11)])
????????print(type(s))
????????dates=pd.date_range('20170301',periods=8)
????????df=pd.DataFrame(np.random.randn(8,5),index=dates,columns=list('ABCDE'))
????????print(df)
????????#?basic
????????print(df.head(3))??#?head()打印出前幾行
????????print(df.tail(3))??#?tail()打印出后幾行
????????print(df.index)??#?index()打印出索引
????????print(df.values)??#?values()打印出values
????????print(df.T)??#?T?轉置
????????print(df.sort_values("C"))??#?第C列的values按從小到大的順序排序
????????print(df.sort_index(axis=1,?ascending=False))??#?將index進行降序排序
????????print(df.describe())??#?打印出所有屬性值?的數量?平均值?標準差?最小值?最大值等
????????#select
????????print(type(df["A"]))
????????print(df[:3])
????????print(df.loc[dates[0]])
????????print(df.iloc[1:3])
????????print(df[df.B>0][df.A<0])
if?__name__?==?'__main__':
??????????????main()

#encoding=utf-8
import?numpy?as?np
import?pandas?as?pd



def?main():
????????#Data?structure
????????s=pd.Series([i*2?for?i?in?range(1,11)])
????????print(type(s))
????????dates=pd.date_range('20170301',periods=8)
????????df=pd.DataFrame(np.random.randn(8,5),index=dates,columns=list('ABCDE'))
????????print(df)


if?__name__?==?'__main__':
????????main()

多種庫的總結

numpy

scipy matplotlib

scikit learn

pandas

keras

繼續加油

Dense全連接層

Activation激活層

SGD隨機梯度下降算法

標簽先獨熱碼化

人工神經網絡ANN

反向傳播

激活函數

多層神經元

映射到分類種類

keras簡化了構建深度學習的步驟

高層庫

底層庫為tensorflow