博客

目录

前置条件

Python3 API

numpy API

Pandas API

plt API

机器学习初步入门，感觉和以前的数学建模那一套很像，回归，分类，聚类，效果的可视化。只是从MATLAB换成了Python。记录一下在书中用到的api，一是不想每次都去官网查， 二是希望能对pandas和numpy这些数据科学的包的api用法更熟悉一些，不只是机器学习，其他很多时候也会带来巨大的方便，例如从es拉取数据并导出，直接用pandas的DataFrame.to_csv就可以了。

前置条件

书中用到的包主要是numpy，pandas，matplotlib.pyplot这三种，在后文采用如下的简写：

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

三者的官网api链接如下，需要查看非常详细的关键字说明请自行查阅：

numpy官方api


pandas官方api


pyplot官方api


Python内置函数

Python3 API

zip()

：zip() 函数用于将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的列表。可迭代对象是为了优化内存使用。如果只有一个参数，不要使用zip，直接元组即可。例如用for i in (‘a’, ‘b’, ‘c’)，而不是使用for i in zip([‘a’, ‘b’, ‘c’])，后者返回的是[(‘a’,), (‘b’,),(‘c’,)]。

repr()

：repr() 函数将对象转化为供解释器读取的形式。返回对象的string类型，repr()的输入对于Python解释器更为友好，可实现obj == eval(repr(obj))

enumerate()

： enumerate() 函数用于将一个可遍历的数据对象(如列表、元组或字符串)组合为一个索引序列，同时列出数据和数据下标，一般用在 for 循环当中。Python 2.3. 以上版本可用，2.6 添加 start 参数。

>>>seasons = [‘Spring’, ‘Summer’, ‘Fall’, ‘Winter’]

>>> list(enumerate(seasons)) [(0, ‘Spring’), (1, ‘Summer’), (2, ‘Fall’), (3, ‘Winter’)]

>>> list(enumerate(seasons, start=1)) # 下标从 1 开始

[(1, ‘Spring’), (2, ‘Summer’), (3, ‘Fall’), (4, ‘Winter’)]

书中有这样的用法： a, _ = [1, 2] 此时a为1。

numpy API

np.bincount()

：计算非负的int数组中每个值的出现次数。容器的数量（大小为1）比x中的最大值大1。这个api需要看下官网，一两句说不清楚。

这里说的是每个bin，都给出了它的索引值在x（入参数组）中的出现次数。


这里的bin可以认为是箱子，在机器学习中也有binning（分箱）的模型。但从个人角度来看，bin可以认为是组，在plt.hist()里面用到的入参bins可以认为是


组界


，这个后面说到再提。

>>> np.bincount(np.arange(5))
array([1, 1, 1, 1, 1])
>>> np.bincount(np.array([0, 1, 1, 3, 2, 1, 7]))
array([1, 3, 1, 1, 0, 0, 0, 1])

因为容器的数量（大小为1）比x中的最大值大1。所以对于第一个例子的入参[0,1,2,3,4]，这里有五个连续的数，bin的数量等于max(x)+1=5，即认为有五个bin，bin1的索引是0，bin2的索引是1，bin3的索引是2..以此类推。那么bin1的索引0在x中出现了一次，bin2的索引1在x中出现了一次…所以最后的out[]是[1,1,1,1,1]。或者不需要说的那么复杂，我的out就是想算出来，从0到max(x)的出现次数，对于第二个例子，0出现了一次，1出现了3次，2出现了一次，3出现了1,4 5 6均出现0次，7出现一次。所以，我的out就是[1, 3, 1, 1, 0, 0, 0, 1]。

np.astype(“int”)

：转换数组的数据类型为int类型。

np.shape

：返回np.array的维度大小。

np.reshape(-1, 1)

：将矩阵的列变为一列，行自动计算，这里的-1表示自适应。

np.argmin()

：返回沿轴的最小值的索引。


np中axis=0表示列，axis=1表示行。

np.argsort()

：返回能对数组进行排序的索引数组。

np.eye(n)

：生成大小为n的对角阵。

np.means()

：取均值。axis=0对列取均值，axis=1表示对行取均值。

np.unique(x)

：等于Python的sorted(set(x))，与Python不同的是 它改变了x的值。

np.ravel()

：返回一个连续的扁平数组。返回包含输入元素的一维数组。 只在需要时才制作源数组副本。

np.linspace()

：在指定的间隔内返回均匀间隔的数字。

>>> np.linspace(2.0, 3.0, num=5)
array([ 2.  ,  2.25,  2.5 ,  2.75,  3.  ])
>>> np.linspace(2.0, 3.0, num=5, endpoint=False)
array([ 2. ,  2.2,  2.4,  2.6,  2.8])

np.logspace()

：返回在对数刻度上均匀间隔的数字。

>>> np.logspace(2.0, 3.0, num=4)
array([  100.        ,   215.443469  ,   464.15888336,  1000.        ])
>>> np.logspace(2.0, 3.0, num=4, endpoint=False)
array([ 100.        ,  177.827941  ,  316.22776602,  562.34132519])

np.random.RandomState(0)

：生成伪随机数，随机种子为0。

np.random.RandomState.normal()

：从正态分布中随机抽取样本。

np.random.RandomState.poisson()

：从泊松分布中随机抽取样本。

np.hstack()

：按顺序堆叠数组（列式）。可以这么理解，这里的hstack是horizontally stack的缩写，语义上就是水平堆叠，也就是水平扩展数组，想要水平扩展，当然是按列增加。反之，vstack，vertical stack，垂直堆叠，即是增加行数。

>>> a = np.array((1,2,3))
>>> b = np.array((2,3,4))
>>> np.hstack((a,b))
array([1, 2, 3, 2, 3, 4])
>>> a = np.array([[1],[2],[3]])
>>> b = np.array([[2],[3],[4]])
>>> np.hstack((a,b))
array([[1, 2],
       [2, 3],
       [3, 4]])

Pandas API

pd.df.value_counts()

：词频统计

pd.df.to_csv()/read_csv()

：读写csv，

• 
  是否保留列名
  
  header: Whether to write out the column names (default True)
• 
  是否保留行索引
  
  index:  whether to write row (index) names (default True)


pandas.plotting.


scatter_matrix

(


frame

,

alpha=0.5

,

figsize=None

,

ax=None

,

grid=False

,

diagonal=’hist’

,

marker=’.’

,

density_kwds=None

,

hist_kwds=None

,

range_padding=0.05

,

**kwds


)

绘制散点图矩阵。

frame：DataFrame

alpha：float，可选应用的透明度

figsize 🙁 float，float），可选 以英寸为单位的元组（宽度，高度）

ax：Matplotlib轴对象，可选

grid：bool，可选,将此设置为True将显示网格

diagonal：{‘hist’，’kde’} 在’kde’和’hist’之间选择对角线中的核密度估计或直方图

marker：str，可选

Matplotlib标记类型，默认为’。’

hist_kwds：其他绘图关键字参数 要传递给hist函数

density_kwds：其他绘图关键字参数要传递给核密度估计图

range_padding：float，可选 x和y中轴范围相对于（x_max  –  x_min）或（y_max  –  y_min）的相对延伸，默认值为0.05

kwds：其他绘图关键字参数 要传递给scatter()函数

plt API

plt.hist(x, bins)

：计算并绘制x的直方图。对于bins，官方介绍如下：

可以很清楚的看到

bins is a sequence,gives bin edge

。bins给定了bin的边界，这里的bin就是直方图的一个个小的直条。n个直条会有n+1的边界，bins就是这n+1个数组成的序列。

plt.vlines(bins, -3, 3, linewidth=1, alpha=.2, c=’k’)

：绘制垂直线。绘制每个x处的从ymin到ymax的垂直线。这里的bins就是之前的组界，alpha为透明度。c代表颜色，k代表黑色。

plt.colorbar(x,ax=axes.tolist())

：绘制色彩条。提供ax这一参数较为重要，提供这一参数会调整原本的轴列表的大小，为色彩条提供对应的空间，显示图显得更加整齐美观。如下：

不提供ax参数：

提供ax参数的对比：

plt.legend()

：展示图例，这个只有一个loc参数需要注意一下：如果是数值表示，对应的含义列表如下。我一般会用loc=”best”。

plt.xticks()

：在x轴画刻度线，并给出注释，rotation表示旋转角度。

plt.hlines()

：画水平线。

plt.barh()

：画水平柱状图。