目錄

第二章 k近鄰算法

1、array.sum(axies = 1) :

2、array.argsort(axies=0/1)

3、array.tile(mat,(m,n))

4、dict.get(key,value)

5、sorted函數

6、string.strip()函數

7、string.split()

8、scatter（）函數

9、min()&max()

10、enumerate（s,0/1）

11、np.where()

12、zip()函數，壓縮數據

13、*list——解壓

14、round(float類型的數，保留小數的位數）——保留指定位數的小數

第十章 聚類算法

1、nonzero()函數

解釋

2、matrix.A

3.add_axes()新增子區域

---

第二章 k近鄰算法

1、array.sum(axies = 1) :

返回數組行向量和組成的數組

2、array.argsort(axies=0/1)

https://blog.csdn.net/Python798/article/details/81138040

返回返回的是數組值從小到大的索引值

axies = 0:按列排序

axies = 1:按行排列

3、array.tile(mat,(m,n))

https://www.jianshu.com/p/9519f1984c70

復制功能，將數組mat橫向復制m個，縱向復制n個

4、dict.get(key,value)

根據鍵名稱來獲得在字典dictionary中對應的值，若在dict中不存在該鍵key，則返回指定的value值，注意這不會改變原始字典，即不會將不存在的key添加到字典中去

a = {1:2,3:1} print(a.get(1,999)) print(a.get(4,12)) print(a)2#key存在返回值 12#key不存在返回指定的value {1: 2, 3: 1}#不改變原始字典的鍵值對

以下方式會改變原始字典的鍵值對：

a = {1:2,3:1} key = "jjj" print(a) a[key] = a.get(key,0) print(a){1: 2, 3: 1} {1: 2, 3: 1, 'jjj': 0}

5、sorted函數

根據一定的規則（升序or降序）對指定維度（這里通過operator來指定）進行排序

sorted(classCount.items(),#獲得所有的鍵值對，以元組的形式存在，元組存放在一個列表中key = operator.itemgetter(1),#對第二個元素進行排序reverse = True)#True表示從大到小進行排序

6、string.strip()函數

去掉字符串首尾空格

7、string.split()

按照指定的劃分規則將字符串劃分成一個個元素組成一個列表

8、scatter（）函數

https://blog.csdn.net/TeFuirnever/article/details/88944438?utm_medium=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.channel_param&depth_1-utm_source=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.channel_param

plt.scatter(returnmat[:,0],returnmat[:,1],15*np.array(classLabelVector),#指的是標記的大小15*np.array(classLabelVector))#表示的是顏色的值

9、min()&max()

返回最值

array.min(n)

當n=0時，返回的是每一列的最小值組成的列表，當n=1，返回的是每一行的最小值組成的列表

對于max來說同理

10、enumerate（s,0/1）

https://www.cnblogs.com/tylf-lk/p/10133489.html

返回的是一個元組，（index，value），索引號和值組成的元組

for i in enumerate(s,1):print(i)

11、np.where()

https://www.cnblogs.com/massquantity/p/8908859.html

根據一定的篩選條件返回數值

12、zip()函數，壓縮數據

https://blog.csdn.net/Trent1985/article/details/77096683

將多個序列的相同位置的元素組合成一個元組，最后變成一個列表返回

注意：這里zip所接受的多個序列的維度必須是一致的，各維度的·長度也必須是一樣的，否則無法進行配對

from numpy import array from numpy import int64 loc = (array([180, 180, 181, 181, 236, 236, 236, 236, 237, 237, 237, 237, 238,238, 238, 238], dtype=int64), array([580, 581, 580, 581, 566, 567, 568, 569, 566, 567, 568, 569, 566,567, 568, 569], dtype=int64))loc_ = loc[::-1]#反向進行取值 print(*loc_) for i in (zip(*loc_)):print(i)''' [580 581 580 581 566 567 568 569 566 567 568 569 566 567 568 569] [180 180 181 181 236 236 236 236 237 237 237 237 238 238 238 238] (580, 180) (581, 180) (580, 181) (581, 181) (566, 236) (567, 236) (568, 236) (569, 236) (566, 237) (567, 237) (568, 237) (569, 237) (566, 238) (567, 238) (568, 238) (569, 238)'''

13、*list——解壓

將list中的元素獨立開來，作為獨立的參數

https://blog.csdn.net/hellenlee22/article/details/89740923

14、round(float類型的數，保留小數的位數）——保留指定位數的小數

第十章 聚類算法

1、nonzero()函數

解釋

nonzero(a)

返回數組a中非零元素的索引值數組。

（1）只有a中非零元素才會有索引值，那些零值元素沒有索引值；
（2）返回的索引值數組是一個2維tuple數組，該tuple數組中包含一維的array數組。其中，一維array向量的個數與a的維數是一致的。
（3）索引值數組的每一個array均是從一個維度上來描述其索引值。比如，如果a是一個二維數組，則索引值數組有兩個array，第一個array從行維度來描述索引值；第二個array從列維度來描述索引值。
（4） 該np.transpose(np.nonzero(x))
函數能夠描述出每一個非零元素在不同維度的索引值。
（5）通過a[nonzero(a)]得到所有a中的非零值

鏈接：https://blog.csdn.net/u013698770/article/details/54632047

2、matrix.A

將矩陣mat轉換成數組adrray

https://blog.csdn.net/qq_41800366/article/details/87866932

3.add_axes()新增子區域

個人理解就是類似于photoshop中的圖層一樣，為圖中圖做準備

add_axes新增子區域

add_axes為新增子區域，該區域可以座落在figure內任意位置，且該區域可任意設置大小
可以用來做一些子圖，圖中圖
考慮如下代碼：
import numpy as np
import matplotlib.pyplot as plt
#新建figure
fig = plt.figure()
#定義數據
x = [1, 2, 3, 4, 5, 6, 7]
y = [1, 7, 15, 24, 30, 50, 55]

#新建區域ax1
#figure的百分比,從figure 10%的位置開始繪制, 寬高是figure的80%
left, bottom, width, height = 0.1, 0.1, 0.8, 0.8
#獲得繪制的句柄
ax1 = fig.add_axes([left, bottom, width, height])
ax1.plot(x, y, ‘r’)
ax1.set_title(‘area1’)
#新增區域ax2,嵌套在ax1內，看一看圖中圖是什么樣，這就是與subplot的區別
left, bottom, width, height = 0.2, 0.6, 0.25, 0.25
#獲得繪制的句柄
ax2 = fig.add_axes([left, bottom, width, height])
ax2.plot(x,y, ‘b’)
ax2.set_title(‘area2’)
plt.show()

參考鏈接：https://blog.csdn.net/qq_41011336/article/details/83017101

import matplotlib.pyplot as plt import numpy as np import cv2fig = plt.figure()# 獲得圖像窗口句柄 rect0 = [0.1,0.1,0.8,0.8] # left, bottom, width, height rect1 = [0.3,0.3,0.5,0.5] # left, bottom, width, height# 讀取圖片 img = plt.imread(r"E:\Portland.png") img1 = plt.imread(r"E:\二分聚類結果.png")# 新增圖層，在同一個圖像窗口進行繪制，這是每一個圖層的句柄 ax0 = fig.add_axes(rect0,label='ax0') ax1 = fig.add_axes(rect1,label='ax1')# 顯示圖像 ax0.imshow(img) ax1.imshow(img1)plt.show()

?

?

總結

以上是生活随笔為你收集整理的【机器学习实战】——常见函数积累的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。