@hbkedge

龍家俊教你 機器學習 day56 DataFrame DataFrame是一個類似於二維數組或表格(如excel)的對象，既有行索引，又有列索引 行索引，表明不同行，橫向索引，叫index，0軸，axis=0 列索引，表名不同列，縱向索引，叫columns，1軸，axis=1

龍家俊教你 機器學習 day55 Series的屬性 為了更方便地操作Series對像中的索引和數據，Series中提供了兩個屬性index和values index color_count.index color_count = pd.Series({'red':100, 'blue':200, 'green': 500, 'yellow':100}) # 結果 Index(['blue', 'green', 'red', 'yellow'], dtype='object') values color_count.values # 結果 array([ 200, 500, 10, 100]) 也可以使用索引來獲取數據： color_count[2] # 結果 10

龍家俊教你 機器學習 day54 #Series的建立 # 導入pandas import pandas as pd pd.Series(data=None, index=None, dtype=None) 參數： data：傳入的數據，可以是ndarray、list等 index：索引，必須是唯一的，且與數據的長度相等。如果沒有傳入索引參數，則默認會自動創建一個從0-N的整數索引。 dtype：數據的類型 #通過已有數據創建 指定內容，默認索引 pd.Series(np.arange(5)) # 運行結果 0 0 1 1 2 2 3 3 4 4 dtype: int64

龍家俊教你 機器學習 day53 Pandas數據結構 Pandas中一共有三種數據結構，分別為：Series、DataFrame和MultiIndex 其中Series是一維數據結構，DataFrame是二維的表格型數據結構，MultiIndex是三維的數據結構。

龍家俊教你 機器學習 day52 Pandas介紹 2008年WesMcKinney開發出的 library 專門用於數據挖掘的開源python library 以Numpy為基礎，借力Numpy模塊在計算方面性能高的優勢 基於matplotlib，能夠簡便的畫圖 獨特的數據結構

龍家俊教你 機器學習 day51 矩陣乘法： np.matmul np.dot https://numpy.org/doc/stable/reference/generated/numpy.matmul.html https://numpy.org/doc/stable/reference/generated/numpy.dot.html

龍家俊教你 機器學習 day50 廣播機制 矩陣在進行運算時，要求數組的形狀是相等的。當形狀不相等的數組執行算術運算的時候，就會出現廣播機制，該機制會對數組進行擴展，使數組的shape屬性值一樣，這樣，就可以進行運算了。 例子： arr1 = np.array([[0],[1],[2],[3]]) arr1.shape # (4, 1) arr2 = np.array([1,2,3]) arr2.shape # (3,) arr1+arr2 # 結果是： array([[1, 2, 3], [2, 3, 4], [3, 4, 5], [4, 5, 6]]) 上述代碼中，數組arr1是4行1列，arr2是1行3列。這兩個數組要進行相加，按照廣播機制會對數組arr1和arr2都進行擴展，使得數組arr1和arr2都變成4行3列。

龍家俊教你 機器學習 day49 數組array與數的運算 arr = np.array([[1, 2, 3, 2, 1, 1], [5, 6, 1, 2, 3, 3]]) arr + 1 arr / 2

龍家俊教你 機器學習 day48 #進行更加複雜的運算 np.where() # 判斷前3名學生,前3門課程中，成績中大於60的置為1，否則為0 temp = score[:4, :4] np.where(temp > 60, 1, 0)

龍家俊教你 機器學習 day47 np.any() # 判斷前兩名同學的成績[0:2, :]是否有大於80 >>> np.any(score[0:2, :] > 80) True

龍家俊教你 機器學習 day46 # 通用判斷函數 語法: np.all() # 判斷前兩名同學的成績[0:2, :]是否及格>60 >>> np.all(score[0:2, :] > 60) False

龍家俊教你 機器學習 day45 #ndarray運算 # 生成10名同學，5門課程的數據 >>> score = np.random.randint(30, 100, (10, 5)) # 取出最後4名同學的成績，用於邏輯判斷 >>> test_score = score[6:, 0:5] # 邏輯判斷, 如果成績大於60就標記為True 否則為False >>> test_score > 60 array([[ True, True, True, False, True], [ True, True, True, False, True], [ True, True, False, False, True], [False, True, True, True, True]])

龍家俊教你 機器學習 day44 數組去重覆 np.unique() temp = np.array([[1, 2, 3, 5],[3, 4, 5, 6]]) >>> np.unique(temp) array([1, 2, 3, 4, 5, 6])

龍家俊教你 機器學習 day43 ndarray.tostring([order])或者ndarray.tobytes([order]) 構造包含數組中原始數據字節的Python字節 aa= np.array([[[1, 2, 3], [4, 5, 6]], [[10, 13, 34], [15, 16, 17]]]) aa.tostring()

龍家俊教你 機器學習 day42 ndarray.astype(type) 返回修改了類型之後的數組 aa.astype(np.int32)

龍家俊教你 機器學習 day41 ndarray.T 數組的轉置 將數組的行、列進行互換 aa.T.shape (3, 5)

龍家俊教你 奇蹟之吻 事實上，很多事情都是這樣的，遲遲不敢動作，有可能是因為不明白對方的心意，害怕表白後，會遭到拒絕，而無法突破心防踏出那一步，但誰知道呢？誰說奇蹟不會降臨在自己身上呢？與其被動等待幸福愛情，何不勇敢相信自己一次？自己的奇蹟，原來靠著自己創造，也可能摘下香甜的果實.... from: https://www.marieclaire.com.tw/entertainment/tvshow/50284?atcr=b3a9fd

龍家俊教你 機器學習 day40 ndarray.resize(new_shape) 修改數組本身的形狀（需要保持元素個數前後相同） 行、列不進行互換 aa.resize([5, 4])

龍家俊教你 機器學習 day39 # 形狀修改 ndarray.reshape(shape, order) 返回一個具有相同數據域，但shape不一樣的視圖 行、列不進行互換 # 在轉換形狀的時候，一定要注意數組的元素匹配 ex. aa.reshape([5, 4])

https://www.youtube.com/watch?v=rOCymN-Rwiw

保安 保安 ~~~人在哪...

龍家俊教你 機器學習 day38 # 三維數組索引方式： aa = np.array([ [[1,2,3],[4,5,6]], [[12,3,34],[5,6,7]]]) # 返回結果 array([[[ 1, 2, 3], [ 4, 5, 6]], [[12, 3, 34], [ 5, 6, 7]]]) # 索引、切片 >>> aa[0, 0, 1] # 輸出: 2

龍家俊教你 機器學習 day37 數組的索引、切片 一維、二維、三維的數組如何索引？ 直接進行索引,切片 對象[:, :] -- 先行後列 # 二維的數組，兩個維度 exanple: change[0, 0:3] 返回結果： array([-0.03862668, -1.46128096, -0.75596237])

龍家俊教你 機器學習 day36 np.random.randint(low, high=None, size=None, dtype='l') 從一個均勻分佈中隨機採樣，生成一個整數或N維整數數組， 取數範圍：若high不為None時，取[low,high)之間隨機整數，否則取值[0,low)之間隨機整數

[嚴重劇透] 機智的醫生生活 第一季 終於親啦....

龍家俊教你 機器學習 day35 2.np.random.uniform(low=0.0, high=1.0, size=None) 功能：從一個均勻分佈[low,high)中隨機採樣，注意定義域是左閉右開，即包含low，不包含high. 參數介紹: low: 採樣下界，float類型，默認值為0； high: 採樣上界，float類型，默認值為1； size: 輸出樣本數目，為int或元組(tuple)類型，例如，size=(m,n,k), 則輸出mnk個樣本，預設時輸出1個值。 返回值：ndarray類型，其形狀和參數size中描述一致。

龍家俊教你 機器學習 day34 均勻分佈 1.np.random.rand(d0, d1, ..., dn) 返回[0.0，1.0)內的一組均勻分佈的數

龍家俊教你 機器學習 day33 #隨機生成3支股票五天的交易日漲幅數據 # 建立符合正態分佈的3隻股票5天的漲跌幅數據 stock_change = np.random.normal(0, 1, (3, 5)) stock_change

猜下一句吧 你怎麼稱呼啊? 史公子 公子也有個名字啊...

龍家俊教你 機器學習 day32 #正態分佈創建方式 np.random.randn(d0, d1, …, dn) 功能：從標準正態分佈中返回一個或多個樣本值 np.random.normal(loc=0.0, scale=1.0, size=None) loc：float ​ 此概率分佈的均值（對應著整個分佈的中心centre） scale：float ​ 此概率分佈的標準差（對應於分佈的寬度，scale越大越矮胖，scale越小，越瘦高） size：int or tuple of ints ​ 輸出的shape，默認為None，只輸出一個值 np.random.standard_normal(size=None) 返回指定形狀的標準正態分佈的數組。 舉例：生成均值為1.75，標準差為1的正態分佈數據，1000個 x1 = np.random.normal(1.75, 1, 1000)