- 博客(110)
- 收藏
- 关注
RSS订阅原创 NumPy数组排序及其结构化数组
a=np.array([(b’Rex’, 9, 81.), (b’Fido’, 7, 77.)],dtype={‘names’😦“name”,“age”,“score”),“formats”😦“<S10”,“<i4”,“<f4”)}) #通过元组定义数据类型。a=np.loadtxt(“data.txt”,skiprows=1,dtype=[(“name”,“S10”),(“age”,“int”),(“score”,“float”)]) #读取文件并设置数据类型，其中skiprows为跳过第一行。
2024-04-30 17:41:50
479
原创 NumPy 数组的高级操作
花式索引（Fancy Indexing）是 NumPy 用来描述使用整型数组（这里的数组，可以是 NumPy 的数组，也可以是 python 自带的 list）作为索引的术语，其意义是根据索引数组的值作为目标数组的某个轴的下标来取值。广播的原则：如果两个数组的后缘维度（trailing dimension，即从末尾开始算起的维度）的轴长度相符，或其中的一方的长度为1，则认为它们是广播兼容的。如下图所示：（PS：需要注意的是，布尔数组的长度必须与被索引数组对应的轴的长度一致）对于一维数组，它是向量的内积；
2024-04-29 10:24:41
1094
原创 Numpy 进阶
默认情况下，nditer 将视待迭代遍历的数组为只读对象（read-only），为了在遍历数组的同时，实现对数组元素值的修改，必须将可选参数 op_flags 指定为 read-write 或者 write-only 的模式。对数组的算术运算通常在相应的元素上进行，当运算中的 2 个数组的形状不同时，numpy 将自动触发广播机制。首先用 arange() 生成一个数组，然后用 reshape() 方法，将数组切换成 4x3 的形状，最后再与 basearray 相加，输出它们的和。
2024-04-29 09:46:37
819
原创 NumPy基础及取值操作
测试用例是一个字典，字典中image部分表示原始图像的像素数据，x部分表示ROI的左上角顶点的行索引，y部分表示ROI的左上角顶点的列索引，w部分表示ROI的宽，h部分表示ROI的高。例如：{‘shape’:[1, 2], ‘data’:[[1, 2]]}表示ndarray对象的形状为1行2列，第1行第1列的值为1，第1行第2列的值为2。平台会对你编写的代码进行测试，对比你输出的数值与实际正确的数值，只有所有数据全部计算正确才能进入下一关。shape：为需要实例化出来的ndarray对象的shape；
2024-04-14 21:48:29
1020
原创 Numpy 初体验
splitarraytest.py 文件调用 splitarray 中的三个方法方法，平台获取 splitarraytest.py 的输出，然后将其与预期输出作对比，如果一致，则测试通过；cnmdatest.py 文件调用 cnmda 中的 cnmda 方法，平台获取 cnmdatest.py 的输出，然后将其与预期输出作对比，如果一致，则测试通过；预期输出： [array([[0],[3],[6]]), array([[1],[4],[7]]), array([[2],[5],[8]])]
2024-03-28 18:48:29
835
原创 Matplotlib接口和常用图形--画图接口
在IPython shell中使用matplotlib可视化非常方便，使用%matplotlib命令启动matplotlib模式。matplotlib的matlab接口许多语法都和MATLAB类似，所以使用过MATLAB的朋友们想必很快就能上手matplotlib。在深入使用matplotlib之前你需要知道几个matplotlib技巧，这些技巧能帮助你更快速掌握matplotlib。本关任务：掌握matplotlib的基本使用技巧，并能简单使用matplotlib进行可视化。导入matplotlib。
2024-03-11 16:26:22
430
原创 Matplotlib图形配置--配置文件与样式表
所有rc设置都存储在一个名为matplotlib.rcParams的类字典变量中，可以通过这个变量来查看我们的配置。matplotlib从1.4版本中增加了一个非常好用的style模块，里面包含了大量的新式默认样式表，还支持创建和打包自己的风格。plt.savefig(“Task4/img/T1.png”)：将绘制的直方图保存为PNG格式的图片，文件名为T1.png，保存在Task4/img/目录下。matplotlib在每次加载的时候，都会定义一个运行时配置rc，其中包含了我们创建的图形元素的默认风格。
2024-03-11 14:13:08
897
原创 Matplotlib图形配置--自定义坐标刻度
虽然matplotlib默认的坐标轴定位器与格式生成器可以满足大部分需求，但是并非对每一幅图都合适。主次要刻度学习前最好先对matplotlib图形的对象层级有深入了解。matplotlib的figure对象是一个盛放图形元素的包围盒。可以将每个matplotlib对象都看成是子对象的容器，每个figure都包含axes对象，每个axes对象又包含其他表示图形内容的对象，比如xaxis/yaxis，每个属性包含构成坐标轴的线条、刻度和标签的全部属性。
2024-03-11 14:07:37
1027
原创 Matplotlib图形配置--设置注释
annotate的第一个参数为注释文本字符串，第二个为被注释的坐标点，第三个为注释文字的坐标位置。xy参数指定了标注点的位置，xytext参数指定了文本标签的位置，arrowprops参数定义了箭头的属性。fontsize设置字体大小，默认12，可选参数xx-small，x-small，small，medium，large，x-large，xx-large。fontweight设置字体粗细，可选参数light，normal，medium，semibold，bold，heavy，black。
2024-03-11 13:58:14
934
原创 机器学习-4
本篇将介绍数据处理 Numpy 库的一些基本使用技巧，主要内容包括 Numpy 数组的创建、切片与索引、基本运算、堆叠等等。以上就是对机器学习中的分片，切割，遍历的介绍。
2024-03-02 14:25:27
999
1
原创 机器学习-1
在本片开始将为大家介绍机器学习相关的知识点。夏天，我们通常会去水果店里买西瓜，我们看到一个根蒂蜷缩、敲起来声音浑浊的青绿色的西瓜，我们提着西瓜就去结账了，为什么在这么多西瓜里我们要挑这个呢？我们为何能断定这个西瓜就是一个好瓜？其实这些都是我们基于以往买瓜的经验，对于西瓜好坏的一个预判。之所以我们能够进行准确的预判，是因为我们积累了大量的经验，通过对经验的利用，就能对新情况做出有效的决策。上面经验都是基于我们人类而言的，那么计算机也能根据经验进行判断吗？
2024-02-29 21:42:47
484
原创 配置颜色条
本片是对Matplotlib图形配置的颜色条配置进行介绍。根据输入数据绘制热成像图并隐藏坐标轴，具体要求如下：图形的figsize为(10, 10)；图形保存到Task1/img/T1.png。plt.show()1.plt.figure(figsize=(10,10)): 这一行创建了一个新的图形，设置图形的大小为 10x10 英寸。这样做是为了确保生成的热图具有适当的尺寸。2.plt.imshow(data, cmap=‘hot’): 这一行使用 imshow 函数显示了数据 data。
2024-02-29 10:12:38
1181
原创 Linux系统中make/Makefile的介绍
在linux系统中，我们对项目文件进行处理的时候会不方便，因此我们需要对文件的编译进行自动化处理。下面就是在Linux系统中对自动化编译处理的介绍。在编写makefile文件时我们需要进行对文件进行格式的编写。之后再次使用make命令，对编写的makefile文件的内容进行执行。文件格式如下：目标 … : 依赖 …实现目标的具体表达式(命令）示例如下：首先在虚拟机下建立一个文件夹我建立的文件夹名字为mkfile1.
2024-02-28 17:10:19
811
原创 虚拟机密码忘记了怎么办
在使用虚拟机的时候我们可能会忘记自己的用户密码的情况时常发生，我从网上搜索到了以下的方法进行密码的重置。下面是centos7中重置root密码的步骤。以后就是虚拟机重置密码的步骤。
2024-02-28 08:33:27
659
原创 数据可视化练习
根据下表的数据，将班级名称一列作为x轴的刻度标签，将男生和女生两列的数据作为刻度标签对应的数值，使用bar()函数绘制下图所示的柱形图。
2024-01-27 15:19:56
818
原创 统计学-R语言-8.1
本片开始介绍有关方差分析的知识。方差分析(analysis of variance，ANOVA) 是分析类别自变量对数值因变量影响的一种统计方法。自变量对因变量的影响也称为自变量效应（effect）。由于影响效应的大小表现在因变量的误差里有多少是由自变量造成的，因此，方差分析是通过对数据误差的分析来检验这种效应是否显著。研究分类型自变量对数值型因变量的影响一个或多个分类型自变量两个或多个 (k 个) 处理水平或分类一个数值型因变量有单因子方差分析和双因子方差分析。
2024-01-26 09:20:05
1249
原创 统计学-R语言-7.1
本章主题是假设检验(hypothesis testing)。与参数估计一样，假设检验也是对总体参数感兴趣，如比例、比例间的差异，均值、均值间的差异等，估计的主要任务是找出参数值等于几，假设检验的兴趣主要是看参数的值是否等于某个特定值，或者比较两组数据，在数学推导上，参数的假设检验和区间估计有很大的联系，对于假设检验，人们是做出一个关于未知参数的假设，然后根据观察到的样本判断该假设是否正确，而区间估计主要是通过数据推断未知参数的取值范围，在R中，区间估计和假设检验使用的是同一个函数。
2024-01-20 15:02:20
1163
原创 阿里云服务器ECS安装图形界面
我们在安装图形界面时，需要先找到自己的云服务器控制台，再通过命令行输入相关代码，通过VNC来连接远程桌面，进入图形界面。
2024-01-16 14:49:11
455
原创 统计学-R语言-4.7
本篇文章将介绍数据的描述统计量。本篇是对数据描述的统计量进行的最后一个篇章的介绍，有部分的例题作为介绍，希望对大家的学习有所帮助。
2024-01-16 10:05:01
1179
原创 HDFS和MapReduce综合实训
在main函数中，指定创建文档路径（必须设置为/user/hadoop/myfile才能评测），输入内容必须是本关要求内容才能评测。以第一行为例： 1表示网址（以tab键隔开），1.0为给予的初始pr值，2，3，4，5，6，7，8为从网址1指向的网址。在main函数中，已经设置好了待处理文档路径（即input），以及结果输出路径（即output）。在主函数main中已初始化hadoop的系统设置，包括hadoop运行环境的连接。在main函数中，已经声明了job对象，程序运行的工作调度已经设定好。
2024-01-15 21:45:07
1251
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人