numpy中机器学习常见操作实践

# 1. NumPy基础知识**

NumPy是Python中用于科学计算和数据分析的强大库。它提供了一系列高效且易于使用的数组处理工具，广泛应用于机器学习、数据科学和图像处理等领域。

NumPy数组是一种多维数据结构，可以存储各种数据类型，如整数、浮点数、字符串等。它提供了高效的数组操作，包括索引、切片、广播和聚合函数，使数据处理更加便捷。

NumPy数组可以从列表、元组或字典中创建，也可以使用NumPy函数创建。例如，以下代码从列表创建了一个一维数组：

import numpy as np

my_array = np.array([1, 2, 3, 4, 5])

# 2. NumPy数组操作

### 2.1 创建和初始化NumPy数组

NumPy提供了多种创建和初始化数组的方法。

#### 2.1.1 从列表、元组或字典创建数组

import numpy as np

# 从列表创建数组
arr = np.array([1, 2, 3, 4, 5])
print(arr)  # 输出：[1 2 3 4 5]

# 从元组创建数组
arr = np.array((1, 2, 3, 4, 5))
print(arr)  # 输出：[1 2 3 4 5]

# 从字典创建数组
arr = np.array({'a': 1, 'b': 2, 'c': 3})
print(arr)  # 输出：[1 2 3]

#### 2.1.2 使用NumPy函数创建数组

NumPy提供了许多函数来创建数组，例如：

# 创建全零数组
arr = np.zeros((3, 4))
print(arr)  # 输出：[[0. 0. 0. 0.]
               #        [0. 0. 0. 0.]
               #        [0. 0. 0. 0.]]

# 创建全一数组
arr = np.ones((3, 4))
print(arr)  # 输出：[[1. 1. 1. 1.]
               #        [1. 1. 1. 1.]
               #        [1. 1. 1. 1.]]

# 创建等差数列数组
arr = np.arange(10)
print(arr)  # 输出：[0 1 2 3 4 5 6 7 8 9]

# 创建等差数列数组，指定步长
arr = np.arange(10, 20, 2)
print(arr)  # 输出：[10 12 14 16 18]

# 创建随机数组
arr = np.random.rand(3, 4)
print(arr)  # 输出：[[0.50352534 0.66641596 0.03341675 0.94423257]
               #        [0.16817966 0.72974749 0.97287022 0.44191689]
               #        [0.1828991  0.84900672 0.66853574 0.0917536 ]]

### 2.2 数组索引和切片

NumPy数组支持多维索引和切片。

#### 2.2.1 一维数组的索引和切片

# 创建一维数组
arr = np.array([1, 2, 3, 4, 5])

# 获取第一个元素
print(arr[0])  # 输出：1

# 获取最后一个元素
print(arr[-1])  # 输出：5

# 获取指定索引的元素
print(arr[2])  # 输出：3

# 使用切片获取元素
print(arr[1:3])  # 输出：[2 3]
print(arr[:3])  # 输出：[1 2 3]
print(arr[3:])  # 输出：[4 5]

#### 2.2.2 多维数组的索引和切片

# 创建多维数组
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 获取第一个元素
print(arr[0, 0])  # 输出：1

# 获取最后一列
print(arr[:, -1])  # 输出：[3 6 9]

# 获取第二行
print(arr[1, :])  # 输出：[4 5 6]

# 使用切片获取元素
print(arr[0:2, 1:3])  # 输出：[[2 3]
                    #        [5 6]]

### 2.3 数组运算

NumPy提供了广泛的数组运算功能，包括基本算术运算、广播运算和数组聚合函数。

#### 2.3.1 基本算术运算

# 创建两个数组
arr1 = np.array([1, 2, 3])
arr2 = np.array([