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

文章目录

1. 概述2. 加载数据集3. 查看数据特征3.1 查看首5行数据3.2 查看数据集每个特征的最大值3.3 查看每个特征的最小值3.4 查看特征均值3.5 查看特征百分位数3.6 查看特征数据分布波动3.8 查看特征样本数量3.9 查看标签数据分布 4. 其它常用的科学函数5. 总结

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 npdata = []with open(file='iris.txt',mode='r') as f:    f.readline()    while True:        line = f.readline()        if line:            data.append(line.strip().split(','))        else:            breakdata = 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…