numpy 常用api（一）?
numpy 常用api（二）

一个函数提供?random_state?的关键字参数（keyword parameter）：是为了结果的可再现性（reoccurrence）或叫可重复性。

1. np.bincount()：统计次数

接口为：

numpy.bincount(x,weights=None,minlength=None)

• 1

尤其适用于计算数据集的标签列（y_train）的分布（distribution），也即获得?class distribution?：

>>> np.bincount(y_train.astype(np.int32))

• 1

>>> np.bincount(np.array([0,1,3,2,7])) array([1,0,1],dtype=int32) # 分别统计0-7分别出现的次数

• 1
• 2
• 3

If weights is specified the input array is weighted by it,i.e. if a value n is found at position i,out[n] += weight[i] instead of out[n] += 1.

>>> w = np.array([0.3,0.5,0.2,0.7,1.,-0.6]) # weights >>> x = np.array([0,2]) >>> np.bincount(x,w) array([ 0.3,0.4,0.7]) # 0: 0.3 # 1:0.5+0.2 # 2: 1+(-0.6) # 3: 0.7

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8

np.bincount() 从零开始计数；

>>> np.bincount([3,4,5]) array([0,dtype=int32) # 分别表示0出现的次数， # 1出现的次数， # 2出现的次数， # 。。。

• 1
• 2
• 3
• 4
• 5
• 6

2. np.average()

np.average(X,axis=0,weights=w) == w.dot(X)

等式左部表示加权平均，sum(w)==1时才有意义，也即等式的左部比等式的右部多了一层加权平均的意义，内积代表着实现该意义的动作。

X = np.array([[.9,.1],[.8,.2],[.4,.6]]) w = np.array([.2,.2,.6]) print(w.dot(X)) print(np.average(X,axis=0,weights=w))

• 1
• 2
• 3
• 4
• 5
• 6

在一些情况下只能使用np.average()而无法使用简单的矩阵乘法操作：?
比如：

P = np.asarray([c.predict_proba(X) for c in clfs])
                            # 此时P是一个三维矩阵 # (# of clfs) * (# of samples) * (# of classes) np.average(P,weights=w) # 此时的shape为 ((# of samples) * (# of classes)) # 仍然维持行和为1 

• 1
• 2
• 3
• 4
• 5
• 6
• 7

也有一些情况下只能使用 np.average 而无法使用dot（矩阵乘法，matrix multiplication）运算：

def predict_proba(self,X): probas = np.asarray([clf.predict_proba(X) for clf in self.classifiers_]) # return self.weights.dot(probas) # 此时self.weights有未赋值的风险 # None类型肯定是不支持dot函数的 return np.average(probas,weights=self.weights) # np.average的功能便是，如果weights参数为None # 就执行正常的求平均操作