这是机器未来的第44篇文章

原文首发地址：https://blog.csdn.net/RobotFutures/article/details/126615267

1. 概述

本文以鸢尾花的数据预处理为例    
    
    
  ，描述了科学计算在机器学习使用的示例
    
    
    
。

2. 加载数据集

以鸢尾花数据集为例     


     


     


  。

鸢尾花数据集有4个特征 


     


     


     
，1个标签

 




 




 




，特征为sepal_length,sepal_width,petal_length,petal_width   

   

   

 ，分别为花萼长度
    
    
    
、花萼宽度  

     

     

     ，花瓣长度     


     


     


  、花瓣宽度


  




  




  




，标签为鸢尾花的分类  


  


  


，0,1,2分别代表山鸢尾（Setosa） 




 




 




 
、变色鸢尾（Versicolor）

   

   

   

、维吉尼亚鸢尾（Virginical） import numpy as np data = [] with open(file=iris.txt,mode=r) as f: f.readline() while True: line = f.readline() if line: data.append(line.strip().split(,)) else: break data = np.array(data,dtype=float) # 使用切片提取前4列数据作为特征数据 X_data = data[:, :4] # 或者 X_data = data[:, :-1] # 使用切片提取最后1列数据作为标签数据 y_data = data[:, -1] data.shape, X_data.shape, y_data.shape ((150, 5), (150, 4), (150,))

3. 查看数据特征

3.1 查看首5行数据

X_data[0:5], y_data[0:5] (array([[5.1, 3.5, 1.4, 0.2], [4.9, 3. , 1.4, 0.2], [4.7, 3.2, 1.3, 0.2], [4.6, 3.1, 1.5, 0.2], [5. , 3.6, 1.4, 0.2]]), array([0., 0., 0., 0., 0.]))

3.2 查看数据集每个特征的最大值

# axis = 0指定X轴   
     
     
     ，取每列的最大值 np.max(X_data, axis=0) array([7.9, 4.4, 6.9, 2.5])

上面的取值就是每个特征的最大值



   




   




   



，数据集的花萼长度最大值为7.9 



 



 



，花萼宽度最大值为4.4                  ，花瓣长度最大值为6.9




    




    




    


，花瓣宽度最大值为2.5

如果去掉轴axis参数














，就是取数据集所有数据中的最大值                  ，会综合所有列一起的最大值 




 




 




 
。

np.max(X_data) 7.9

3.3 查看每个特征的最小值

np.min(X_data, axis=0) array([4.3, 2. , 1. , 0.1])

上面的取值就是每个特征的最小值



     



     



     

，数据集的花萼长度最小值为4.3















，花萼宽度最小值为2    
    
    
  ，花瓣长度最小值为1 


     


     


     
，花瓣宽度最小值为0.1

3.4 查看特征均值

np.mean(X_data, axis=0) array([5.84333333, 3.05733333, 3.758 , 1.19933333])

3.5 查看特征百分位数

百分位数是统计中使用的度量

 




 




 




，表示小于这个值的观察值样本数量占总体的百分比

   

   

   

。

# 25% np.percentile(X_data, 0.25, axis=0) array([4.33725, 2.0745 , 1.03725, 0.1 ]) # 50% np.percentile(X_data, 0.50, axis=0) array([4.3745, 2.149 , 1.0745, 0.1 ]) # 75% np.percentile(X_data, 0.75, axis=0) array([4.4 , 2.2 , 1.11175, 0.1 ])

3.6 查看特征数据分布波动

np.std(X_data, axis=0) array([0.82530129, 0.43441097, 1.75940407, 0.75969263])

从标准差可以看到特征花萼宽度标准差为0.43441097数据波动最小   

   

   

 ，花瓣长度标准差数据为1.75940407  

     

     

     ，数据波动最大     

     

     

 。

3.8 查看特征样本数量

X_data.shape (150, 4)

可以看到样本数量为150


  




  




  




，每个样本4个特征

3.9 查看标签数据分布

通过np.unique分别获得唯一ID和对应的样本数量  


  


  


，然后通过zip     

     

     

 、dict转换为字典  




  




  




  。

unique, count = np.unique(y_data, return_counts=True) label_count = dict(zip(unique, count)) label_count {0.0: 50, 1.0: 50, 2.0: 50}

可以看到标签是均衡的   
     
     
     ，每个分类的样本数均是50.

4. 其它常用的科学函数

函数 说明 示例 np.sum 求累加 np.sum((y_pred - y_data)**2) np.exp 以自然常数e为底的指数函数 np.exp**2 np.var 求方差 np.var(X_data, axis=0) np.round 四舍五入 np.round(np.var(X_data, axis=0), decimals=2) np.square 求平方 np.square(X_data) np.abs 求绝对值 np.abs([1, -1, -7.9, 6]) np.argmax 求最大值的位置索引 np.argmax(X_data, axis=0) np.argmin 求最小值的位置索引 np.argmin(X_data, axis=0) …

5. 总结

以上就是numpy科学函数的简单介绍



   




   




   



，更多api在将来的使用中再描述


  


  


  


。

写在末尾：

博客简介：专注AIoT领域 



 



 



，追逐未来时代的脉搏                  ，记录路途中的技术成长！ 专栏简介：从0到1掌握数据科学常用库Numpy  




  




  




  、Matploblib


  


  


  


、Pandas     
     
     
。 面向人群：AI初级学习者 专栏计划：接下来会逐步发布跨入人工智能的系列博文




    




    




    


，敬请期待 Python零基础快速入门系列 Python数据科学系列 人工智能开发环境搭建系列 机器学习系列 物体检测快速入门系列 自动驾驶物体检测系列 …