最近在看机器学习，主要参考书是李航博士的统计学习，突然间接触到一个新领域（名词，算法，高维度，概率论），个人感觉难度挺大的。定个小目标，每天学习一点点，争取年前看完统计学习和吴恩达视频，尽量把算法都实现一下。
没有装anaconda的同学建议装一个，里面有各种常用安装包，也可以在pycharm中使用，不用再去下载python的相关版本了，在cmd命令窗口输入jupyter notebook命令可以直接打开。new一下就可以得到一个cell，可以输入程序同时按下shift,enter运行程序了。
numpy包
numpy包主要是实现对矩阵的高效操作（目前为止个人的浅薄理解），相对传统的for循环，np.dot(a,b)能够缩小运行时间。看例子：
import numpy as np
import time
a=np.random.rand(100000)
#生成n*1矩阵
b=np.random.rand(100000)
tic=time.time()
c=np.dot(a,b)#向量化计算
toc=time.time()
print("vectorization version"+str(1000*(toc-tic))+"ms")
#非向量化，传统for循环
c=0
tic=time.time()
for i in range(100000):
c=a[i]*b[i]
toc=time.time()
print("for version"+str(1000*(toc-tic))+"ms")
控制台输出：
vectorization version0.9999275207519531ms
for version40.02952575683594ms
.dot(a,b)函数对于两个一维数组计算的是内积，而如果参数是两个矩阵（i,j>2）则输出的是两个矩阵的。若想计算1*n矩阵A,A.T(A的转置)和A 的乘积，要命名成np.arrary([[1,2,3]])这样，感觉在numpy中把数组没有当矩阵对待。
import numpy as np
a=np.array([1,2,3,4])#一维数组
b=np.array([5,6,1,1])
c=np.dot(a,b)
print(c)
a=np.array([[1,2],#矩阵
[3,4]])
b=np.array([[5,6,7],
[1,1,6]])
c=np.dot(a,b)
print(c)
控制台：
24
[[ 7 8 19]
[19 22 45]]求和函数.sum()
在矩阵中可以用.sum(axis=0或1)函数，当参数为axis=0是对矩阵每一列求和，当axis=1对每一行求和。
import numpy as np
A=np.array([[56.0,0.0,4.4,68.0],
[1.2,104.0,52.0,8.0],
[1.8,135.0,99.0,0.9]])
print(A)
cal1=A.sum(axis=0)#axis=0表示希望在竖直方向求和,axis=1表示希望在水平方向求和,
cal2=A.sum(axis=1)
print(cal1)
print(cal2)
控制台：
[[ 56. 0. 4.4 68. ]
[ 1.2 104. 52. 8. ]
[ 1.8 135. 99. 0.9]]
[ 59. 239. 155.4 76.9]
[ 128.4 165.2 236.7]
reshape()函数，用来对矩阵进行变形。
import numpy as np
a=np.array([[1,2,3,4],
[5,6,7,8]])
print(a)
b=a.reshape(1,8)
c=a.reshape(4,2)
print(b)
print(c)
控制台：
[[1 2 3 4]
[5 6 7 8]]
[[1 2 3 4 5 6 7 8]]
[[1 2]
[3 4]
[5 6]
[7 8]]
.shape,用于求矩阵多少行到少列.没有参数返回矩阵的行列，shape[0]返回矩阵的行，shape[1]返回矩阵的列.函数eye(n)用于构造一个单位矩阵。
import numpy as np
a=np.array([[1,2,3,4],
[5,6,7,8]])
b=a.shape
print(b)
c=a.shape[0]
d=a.shape[1]
print(c)
print(d)
m=eye(3)
print(m)
控制台：
(2, 4)
2
4
[[ 1. 0. 0.]
[ 0. 1. 0.]
[ 0. 0. 1.]]
argsort()函数,对一个列表进行排序，注意：返回的数值是从小到大的下标。
a=np.array([4,2,5,3])
b=argsort(a)
print(b)
控制台：
[1 3 0 2]python中对矩阵和常数进行加减乘除，比较灵活。小心出错哟。
a=np.array([[4,2,5,3],
[1,8,6,9]])
b=a+100#常数100自动转化为2*4的矩阵
print(a)
print(b)
控制台输出：
[[4 2 5 3]
[1 8 6 9]]
[[104 102 105 103]
[101 108 106 109]]
好了，今天就写这么多了，记录一下今天学习的东西。