testData = np.loadtxt(testCsvFilePath,delimiter=“,”,dtype=“int”)
testData2 = np.loadtxt(testCsvFilePath,delimiter=“,”,dtype=“int”,unpack=True)
‘’’
不指定dtype类型默认使用科学计数法
delimiter=“,” 以逗号分隔,与csv文件中的分隔形式对应
skiprows=1 跳过第一行,一般跳过表头
unpack=True 数据按照属性存入不同数组变量,也可以理解为转置(行变为列,列变为行)
‘’’
print(testData)
print(testData2)
‘’'print result
[[ 1 24 50000]
[ 2 45 56000]
[ 3 29 400000]]
[[ 1 2 3]
[ 24 45 29]
[ 50000 56000 400000]]
‘’’
===============================================================
转置是一种变换,在对角线方向交换数据(行变为列,列变为行),有以下几种方法:
(1)Array.transpose()
(2)Array.swapaxes(1,0) (交换轴)
(3)Array.T
t1 = np.loadtxt(testCsvFilePath,delimiter=“,”,dtype=“int”)
print(t1.transpose())
print(t1.T)
print(t1.swapaxes(1,0))
‘’'print result
[[ 1 2 3]
[ 24 45 29]
[ 50000 56000 400000]]
[[ 1 2 3]
[ 24 45 29]
[ 50000 56000 400000]]
[[ 1 2 3]
[ 24 45 29]
[ 50000 56000 400000]]
‘’’
(1)取一行数据
print(t1[num])
t1是二维数组,取一个索引值即可
(2)取连续的多行数据
print(t1[num1:num2])
使用切片,取索引值为num1到(num2-1)之间的行
(3)取不连续的多行数据
print(t1[ [2,4,6] ])
t1[ indexList ] 取索引值为indexList列表中的行
(1)取一列数据
print(t1[:,num])
使用冒号,num表示取列的索引值
(2)取连续的多列数据
print(t1[:,num1:num2])
取索引值为num1到(num2-1)之间的列
(3)取不连续的多列数据
print(t1[ :,[2,4,6] ])
取索引值为2,4,6的列
根据坐标取值
data_1 = t1[2,4] # t1[num1,num2] 取行为num1,列为num2的数据print(t1[[0,1,2],[2,0,1]]) # 取坐标为(0,2)(1,0)(2,1)三个点
区域取值
print(t1[0:2,0:2]) # 第0行到第1行,第0列到第1列的交叉处的数据
import numpy as np
print(a1<40)
对数组使用条件判断,即对数组中的所有数据进行条件判断,若符合条件则赋值为True,不符合赋值为False
print(a1[a1<40])
a1[ a1<40 ] = 20 # 讲a1数组中符合a1<40的数据赋值为20
print(a1)
np.where(判断语句,data1,data2)
若数局符合判断条件,赋值为data1,否则赋值为data2
print(np.where(a2<30,0,30))
array.clip(data1,data2) 将array中小于data1的数据赋值为data1,大于data2的数值赋值为data2
print(b1.clip(10,200))
获取最大值最小值的位置
res1 = np.argmax(c1,axis=0)
返回一个列表,里面是每一列的最大值位置
res2 = np.argmin(c1,axis=1)
返回一个列表,里面是每一行的最小值位置
print(res1)
print(res2)
np.zeros( (a,b) ) a行b列的数组
zeroArray = np.zeros( (3,4) )
zeroArray = zeroArray.astype(int)
print(zeroArray)
np.ones( (a,b) ) a行b列的数组
oneArray = np.ones( (3,4) ).astype(int)
print(oneArray)
创建一个对角线为1的正方形数组
np.eye(num) 边长为num,对角线为1,其他全为0的方阵
print(np.eye(5).astype(int))
np.hstack( (array1,array2) )
print(np.hstack((a1,a2)))
np.vstack( (array1,array2) )
print(np.vstack((a1,a2)))
b1[[1,2],:] = b1[[2,1],:]
交换索引值为1和2的行数据
print(b1)
自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数Python工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Python开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上Python开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新
如果你觉得这些内容对你有帮助,可以添加V获取:vip1024c (备注Python)
最后
🍅 硬核资料:关注即可领取PPT模板、简历模板、行业经典书籍PDF。
🍅 技术互助:技术群大佬指点迷津,你的问题可能不是问题,求资源在群里喊一声。
🍅 面试题库:由技术群里的小伙伴们共同投稿,热乎的大厂面试真题,持续更新中。
🍅 知识体系:含编程语言、算法、大数据生态圈组件(Mysql、Hive、Spark、Flink)、数据仓库、Python、前端等等。
一个人可以走的很快,但一群人才能走的更远。如果你从事以下工作或对以下感兴趣,欢迎戳这里加入程序员的圈子,让我们一起学习成长!
AI人工智能、Android移动开发、AIGC大模型、C C#、Go语言、Java、Linux运维、云计算、MySQL、PMP、网络安全、Python爬虫、UE5、UI设计、Unity3D、Web前端开发、产品经理、车载开发、大数据、鸿蒙、计算机网络、嵌入式物联网、软件测试、数据结构与算法、音视频开发、Flutter、IOS开发、PHP开发、.NET、安卓逆向、云计算
经典书籍PDF。
🍅 技术互助:技术群大佬指点迷津,你的问题可能不是问题,求资源在群里喊一声。
🍅 面试题库:由技术群里的小伙伴们共同投稿,热乎的大厂面试真题,持续更新中。
🍅 知识体系:含编程语言、算法、大数据生态圈组件(Mysql、Hive、Spark、Flink)、数据仓库、Python、前端等等。
一个人可以走的很快,但一群人才能走的更远。如果你从事以下工作或对以下感兴趣,欢迎戳这里加入程序员的圈子,让我们一起学习成长!
AI人工智能、Android移动开发、AIGC大模型、C C#、Go语言、Java、Linux运维、云计算、MySQL、PMP、网络安全、Python爬虫、UE5、UI设计、Unity3D、Web前端开发、产品经理、车载开发、大数据、鸿蒙、计算机网络、嵌入式物联网、软件测试、数据结构与算法、音视频开发、Flutter、IOS开发、PHP开发、.NET、安卓逆向、云计算