(4)实用的线性代数、傅里叶变换和随机数生成函数。Numpy和稀疏矩阵运算包scipy配合使用更加方便。
(1)genfromtxt函数
Python 并没有提供数组功能,虽然列表 (list) 可以完成基本的数组功能,但它并不是真正的数组,而且在数据量较大时,使用列表的速度就会慢的让人难受。为此,Numpy 提供了真正的数组功能,以及对数据快速处理的函数。Numpy 还是很多更高级的扩展库的依赖库,例如: Scipy,Matplotlib,Pandas等。此外,值得一提的是:Numpy 内置函数处理数据的速度是 C 语言级别的,因此编写程序时,应尽量使用内置函数,避免出现效率瓶颈的现象。一切计算源于数据,那么我们就来看一看Numpy.genfromtxt 如何优雅的处理数据。
import numpy as np
import matplotlib.pyplot as plt
f = open(‘test1.csv’, ‘w’)
f.write(“1,1.2\n2,2.2\n4,4.5\n7,8.9”)
f.close()
data = np.genfromtxt(‘test1.csv’, delimiter=“,”)
x_data=data[:,0]
y_data=data[:,1]
print(data.shape)
print(x_data)
print(y_data)
plt.scatter(x_data,y_data)
plt.show()
(4, 2)
[1. 2. 4. 7.]
[1.2 2.2 4.5 8.9]
2 数据类型
========
3 数组计算
=======
3.1 算术运算
3.2 比较及聚类函数
3.3 数组复制及排序
4 子集、切片、索引
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。
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!