python机器学期的常用库

Numpy:
　　标准Python的列表(list)中，元素本质是对象。
　　如：L = [1, 2, 3]，需要3个指针和三个整数对象，对于数值运算比较浪费内存和CPU，因此才有了Numpy中的ndarray
　　因此，Numpy提供了ndarray(N-dimensional array object)对象：存储单一数据类型的多维数组。
 1.使用array创建

通过array函数传递list对象
　　L = [1, 2, 3, 4, 5, 6]
　　print "L = ", L
　　a = np.array(L)
　　print "a = ", a
　　print type(a)     # 此时a为 numpy的ndarray类型

 若传递的是多层嵌套的list，将创建多维数组
　　b = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])
　　print b　　# 此时b为二维数组
数组大小可以通过其shape属性获得
　　print a.shape　　# (6L,)

　　print b.shape　　#(3L, 4L)

也可以强制修改shape
　　b.shape = 4, 3
　　print b
　　# # # 注：从(3,4)改为(4,3)并不是对数组进行转置，而只是改变每个轴的大小，数组元素在内存中的位置并没有改变

 当某个轴为-1时，将根据数组元素的个数自动计算此轴的长度
　　b.shape = 2, -1
　　print b
　　print b.shape
b.shape = 3, 4
使用reshape方法，可以创建改变了尺寸的新数组，原数组的shape保持不变
　　c = b.reshape((4, -1))
　　print "b = \n", b
　　print 'c = \n', c
数组b和c共享内存，修改任意一个将影响另外一个
　　b[0][1] = 20
　　print "b = \n", b
　　print "c = \n", c

　　注：c,和 b指向的是同意内存空间的数组，因此修改b会影响c
数组的元素类型可以通过dtype属性获得
　　print a.dtype
　　print b.dtype
可以通过dtype参数在创建时指定元素类型
　　d = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]], dtype=np.float)
　　f = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]], dtype=np.complex)
　　print d
　　print f
如果更改元素类型，可以使用astype安全的转换
　　f = d.astype(np.int)
　　print f
但不要强制仅修改元素类型，如下面这句，将会以int来解释单精度float类型
　　d.dtype = np.int
　　print d