创建数据

创建ndarray

NumPy的数组类被称作ndarray。通常被称作数组。

Numpy库中的矩阵模块为ndarray对象，有很多属性：T，data, dtype,flags,flat,imag,real,size,

itemsize,nbytes,ndim,shape,strides,ctypes,base等等。

import numpy as np
vector = np.array([10,20,30])
matrix=np.array([[1,2,3],[4,5,6],[7,8,9]])

# 创建10个float32的一维数组
np.random.rand(10).astype(np.float32)
# 这样就是10*2的二维数组
np.random.rand(10,2).astype(np.float32)

随机array

np.random.randn可以返回一个随机数组

np.random.randn(1,2)
Out[11]: array([[-2.67809797,  1.49728361]])

# 在0-5之间生成随机数
np.random.rand(2,3)*5
# 或者
np.dot(5,np.random.rand(2,3))
# 指定生成随机数的范围
np.random.randint(0, 20, size=[2,3])

np.random.rand 随机样本位于[0,1)中
np.random.randn 从标准正态分布 $N=(\mu , \sigma ^2)$ 中返回样本，默认的范围是 $N(0,1)$ ，等价于np.random.standard_normal

如果要返回2*4的 $N(3,6.25)$ 的随机分布，可知均值是3，标准差是2.5，则
3+2.5*np.random.randn(2,4)

创建空的array

np.zeros((5,1))

注意有两层括号，因为参数是一个shape

随机数的seed

numpy.random.seed()

seed( ) 用于指定随机数生成时所用算法开始的整数值，如果使用相同的seed( )值，则每次生成的随即数都相同，如果不设置这个值，则系统根据时间来自己选择这个值，此时每次生成的随机数因时间差异而不同。

from numpy import *
num=0
while(num<5):
    random.seed(5)
    print(random.random())
    num+=1

每次都一样

from numpy import *
num=0
random.seed(5)
while(num<5):
    print(random.random())
    num+=1

每次不一样

也就是一次有效。

创建等差数列

创建等差数列，默认是创建50个，一般写成

x2 = np.linspace(1,10,10)

由函数创建

>>> def func (i):

...        return  i%4+1

>>>  np. fromfunction(func, (10 ,))

array([ 1., 2., 3., 4., 1., 2., 3., 4., 1., 2.])

首先，定义一个func函数，模4加1。
然后，调用np对象的fromfunction内建函数，第一个参数是我们自定义的func,第二个参数（m,n），他处理的逻辑是这个样的：第一行第一列取（0，0）带入func函数，第一行第二列取（0，1）带入func函数，第一行第三列取（0，2）带入func函数……循环往复，直到取到值（0,n-1）带入函数以后，开始取第二行。。因为我们定义的函数只有一个参数，所以m从0取到9即可。最后返回数列：array([ 1., 2., 3., 4., 1., 2., 3., 4., 1., 2.]) 。

读取csv转为numpy

假设第一行是描述，第二行起是数据；第一列是标签，后面是特征项

import numpy as np

data = np.loadtxt(open('sample.csv','rb'), delimiter=',', skiprows=1)
y_train = data[:,0]
x_train = data[:,1:-1]