机器学习（四）：Python与Numpy的使用技巧

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))