数据科学包-Day3

最新推荐文章于 2023-06-05 19:24:30 发布
最新推荐文章于 2023-06-05 19:24:30 发布
阅读量442 收藏
点赞数
文章标签： python 数据分析
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Blood_dunk/article/details/112308530
版权

数据科学包-Day3

numpy数组

一个在Python中做科学计算的基础库，重在数值计算，也是大部分Python科学数据库的基础库，多用于在大型、多维数组上执行数值运算。

特性:

  • 快速
  • 方便
  • 科学计算的基础库

numpy创建数组（矩阵）

#numpy创建数组（矩阵）
import numpy as np
import random

#使用numpy生成数组,得到ndarray的类型
t1=np.array([1,2,3])
print(t1)
print(type(t1))

t2=np.array(range(10))
print(t2)
print(type(t2))

t3=np.arange(4,10,2)
print(t3)
print(type(t3))
print(t3.dtype)

t4=np.array(range(1,4),dtype="i1")
print(t4)
print(type(t4))
print(t4.dtype)

#numpy中的bool类型
t5=np.array([1,1,0,1,0,0],dtype=bool)
print(t5)
print(type(t5))
print(t5.dtype)

#调整数据类型
t6=t5.astype("int8")
print(t6)
print(type(t6))
print(t6.dtype)

#numpy中的小数
t7=np.array([random.random() for i in range(10)])
#random.random()方法返回一个随机数，其在0至1的范围之内
print(t7)
print(t7.dtype)

t8=np.round(t7,3)
#round() 方法返回浮点数x的四舍五入值。
print(t8)

[1 2 3]
<class 'numpy.ndarray'>
[0 1 2 3 4 5 6 7 8 9]
<class 'numpy.ndarray'>
[4 6 8]
<class 'numpy.ndarray'>
int32
[1 2 3]
<class 'numpy.ndarray'>
int8
[ True  True False  True False False]
<class 'numpy.ndarray'>
bool
[1 1 0 1 0 0]
<class 'numpy.ndarray'>
int8
[0.99759012 0.55395501 0.80944827 0.10235851 0.96164576 0.56108606
 0.41564544 0.80127915 0.7915112  0.97211814]
float64
[0.998 0.554 0.809 0.102 0.962 0.561 0.416 0.801 0.792 0.972]

在这里插入图片描述

numpy数组的计算

 import numpy as np
>>> t1=np.arange(12)
>>> t1
array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11])
>>> t1.reshape((3,4))
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])
>>> t5=np.arange(24)
>>> t5.reshape((2,3,4))
array([[[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11]],

       [[12, 13, 14, 15],
        [16, 17, 18, 19],
        [20, 21, 22, 23]]])
>>> t5.reshape((4,6))
array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11],
       [12, 13, 14, 15, 16, 17],
       [18, 19, 20, 21, 22, 23]])
>>> t6=np.arange(1,25).reshape(2,3,4)
>>> t6
array([[[ 1,  2,  3,  4],
        [ 5,  6,  7,  8],
        [ 9, 10, 11, 12]],

       [[13, 14, 15, 16],
        [17, 18, 19, 20],
        [21, 22, 23, 24]]])
>>> t6.flatten()
#flatten()函数用法
#flatten是numpy.ndarray.flatten的一个函数，即返回一个一维数组。
#flatten只能适用于numpy对象，即array或者mat，普通的list列表不适用！
array([ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16, 17,18, 19, 20, 21, 22, 23, 24])

数组和数的计算

>>> t6+2
array([[[ 3,  4,  5,  6],
        [ 7,  8,  9, 10],
        [11, 12, 13, 14]],

       [[15, 16, 17, 18],
        [19, 20, 21, 22],
        [23, 24, 25, 26]]])

数组和数组的计算

>>> a=np.array([[3,4,5,6,7,8],[4,5,6,7,8,9]])
>>> a
array([[3, 4, 5, 6, 7, 8],
       [4, 5, 6, 7, 8, 9]])
>>> a+1
array([[ 4,  5,  6,  7,  8,  9],
       [ 5,  6,  7,  8,  9, 10]])
>>> a*3
array([[ 9, 12, 15, 18, 21, 24],
       [12, 15, 18, 21, 24, 27]])
>>> b=np.array([[21,22,23,24,25,26],[27,28,29,30,31,32]])
>>> b
array([[21, 22, 23, 24, 25, 26],
       [27, 28, 29, 30, 31, 32]])
>>> a+b
array([[24, 26, 28, 30, 32, 34],
       [31, 33, 35, 37, 39, 41]])
>>> a*b
array([[ 63,  88, 115, 144, 175, 208],
       [108, 140, 174, 210, 248, 288]])
轴

在numpy中可以理解为方向，使用0，1，2…数字表示，对于一个一维数组，只有一个0轴，对于2维数组（shape(2,2)），有0轴和1轴，对于三维数组（shape(2,2,3))，有0，1，2轴

二维数组的轴
在这里插入图片描述
三维数组的轴
在这里插入图片描述

numpy数据的读取

Csv:Comma-Separated Value,逗号分隔值文件
显示：表格状态
源文件：换行和逗号分隔行列的格式化文本，每一行的数据表示一条记录

在这里插入图片描述

numpy中的转置

转置是一种变换，对于numpy中的数组来说，就是在对角线方向交换数据，目的也是为了更方便的去处理数据

>>> v1=np.arange(24).reshape((4,6))
>>> v1
array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11],
       [12, 13, 14, 15, 16, 17],
       [18, 19, 20, 21, 22, 23]])
>>> v1.transpose()
array([[ 0,  6, 12, 18],
       [ 1,  7, 13, 19],
       [ 2,  8, 14, 20],
       [ 3,  9, 15, 21],
       [ 4, 10, 16, 22],
       [ 5, 11, 17, 23]])
>>> v1.T
array([[ 0,  6, 12, 18],
       [ 1,  7, 13, 19],
       [ 2,  8, 14, 20],
       [ 3,  9, 15, 21],
       [ 4, 10, 16, 22],
       [ 5, 11, 17, 23]])
>>> v1.swapaxes(1,0)
array([[ 0,  6, 12, 18],
       [ 1,  7, 13, 19],
       [ 2,  8, 14, 20],
       [ 3,  9, 15, 21],
       [ 4, 10, 16, 22],
       [ 5, 11, 17, 23]])

numpy中索引和切片

import numpy as np
#寻找路径
us_file_path="./youtube_video_data/US_video_data_numbers.csv"
uk_file_path="./youtube_video_data/GB_video_data_numbers.csv"

#t1 = np.loadtxt(us_file_path,delimiter=",",dtype="int",unpack=True)
#print(t1)
t2 = np.loadtxt(us_file_path,delimiter=",",dtype="int")
print(t2)
print("*"*100)
#取行
#print(t2[2])

#取连续的多行
#到第三行截止
#print(t2[:2])

#取不连续的多行；注意方括号的使用
#取第3，9，11行数据
#print(t2[[2,8,10]])

#取列
#print(t2[1,:]) # :表示每列都要
#print("*"*100)
#print(t2[2:,:])
#print("*"*100)
#取3，9，4行每列数据
#print(t2[[2,8,3],:])
#取第一列得数据
#print("*"*100)
#print(t2[:,0])

#取连续的多列
#print(t2[:,2:])

#取不连续的多列
#print(t2[:,[0,3]])

#取多行和多列，取第三行，第四列的值
#a=t2[2,3]
#print(a)
#print(type(a))
#170708
#<class 'numpy.int32'>

#取多行和多列，取第3-5行，第2-4列的值
#取的是行和列交叉点的位置
#b=t2[2:5,1:4]
#print(b)
#[[576597  39774 170708]
#[ 24975   4542  12829]
#[ 96666    568   6666]]

#取多个不相邻的点  此处应该注意
#选出来的结果是（0，0） （2，1） （2，3）
#a=t2[[0,2,2],[0,1,3]]
#print(a)
#[4394029  576597  170708]

numpy数值的修改

>>> v1
array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11],
       [12, 13, 14, 15, 16, 17],
       [18, 19, 20, 21, 22, 23]])
>>> v1[:,2:4]
array([[ 2,  3],
       [ 8,  9],
       [14, 15],
       [20, 21]])
>>> v1[:,2:4]=0
>>> v1
array([[ 0,  1,  0,  0,  4,  5],
       [ 6,  7,  0,  0, 10, 11],
       [12, 13,  0,  0, 16, 17],
       [18, 19,  0,  0, 22, 23]])

numpy中bool索引

>>> q=np.arange(24).reshape((4,6))
>>> q
array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11],
       [12, 13, 14, 15, 16, 17],
       [18, 19, 20, 21, 22, 23]])
>>> q<10
array([[ True,  True,  True,  True,  True,  True],
       [ True,  True,  True,  True, False, False],
       [False, False, False, False, False, False],
       [False, False, False, False, False, False]])

如果想把q中小于10的数字替换成为0，把大于20的替换成为20

>>> q=np.arange(24).reshape((4,6))
>>> q
array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11],
       [12, 13, 14, 15, 16, 17],
       [18, 19, 20, 21, 22, 23]])
>>> q<10
array([[ True,  True,  True,  True,  True,  True],
       [ True,  True,  True,  True, False, False],
       [False, False, False, False, False, False],
       [False, False, False, False, False, False]])
>>> q[q<10]=0
>>> q
array([[ 0,  0,  0,  0,  0,  0],
       [ 0,  0,  0,  0, 10, 11],
       [12, 13, 14, 15, 16, 17],
       [18, 19, 20, 21, 22, 23]])
>>> q[q>20]=20
>>> q
array([[ 0,  0,  0,  0,  0,  0],
       [ 0,  0,  0,  0, 10, 11],
       [12, 13, 14, 15, 16, 17],
       [18, 19, 20, 20, 20, 20]])

numpy中三元运算符

>>> t=np.arange(24).reshape((4,6))
>>> t
array([[ 0,  1,  2,  3,  4,  5],
      [ 6,  7,  8,  9, 10, 11],
      [12, 13, 14, 15, 16, 17],
      [18, 19, 20, 21, 22, 23]])
>>> np.where(t<=8,8,25)
array([[ 8,  8,  8,  8,  8,  8],
      [ 8,  8,  8, 25, 25, 25],
      [25, 25, 25, 25, 25, 25],
      [25, 25, 25, 25, 25, 25]])

np.where()中第一个是判断条件，第二个是满足条件的情况下的值，第三个是否定的值。

numpy中的clip(裁剪）

 q
array([[ 0,  0,  0,  0,  0,  0],
       [ 0,  0,  0,  0, 10, 11],
       [12, 13, 14, 15, 16, 17],
       [18, 19, 20, 20, 20, 20]])
>>> q.clip(10,12)
array([[10, 10, 10, 10, 10, 10],
       [10, 10, 10, 10, 10, 11],
       [12, 12, 12, 12, 12, 12],
       [12, 12, 12, 12, 12, 12]])

小于10的替换为10，大于12的替换为12

numpy中的nan和inf

nan( NAN,Nan):not a number表示不是一个数字

什么时候numpy中会出现nan:

  • 当我们读取本地的文件为float的时候，如果有缺失，就会出现nan
  • 当做了一个不合适的计算的时候（比如无穷大（inf）减去无穷大）
    inf表示正无穷，-inf表示负无穷
>>> a=np.inf
>>> type(a)
<class 'float'>
>>> a=np.nan
>>> type(a)
<class 'float'>

numpy中的nan的注意点

  1. 两个nan是不相等的
>>> np.nan==np.nan
False
  1. np,nan!=np.nan
  2. 利用以上特性，判断数组中nan的个数
import numpy as np
t=np.arange(24).reshape((4,6))
t=t.astype(float)
print(t)
t[3,3]=np.nan
print(t)
print(np.count_nonzero(t!=t))

[[ 0.  1.  2.  3.  4.  5.]
[ 6.  7.  8.  9. 10. 11.]
[12. 13. 14. 15. 16. 17.]
[18. 19. 20. 21. 22. 23.]]
[[ 0.  1.  2.  3.  4.  5.]
[ 6.  7.  8.  9. 10. 11.]
[12. 13. 14. 15. 16. 17.]
[18. 19. 20. nan 22. 23.]]
1
  1. 通过np.isnan(a)来判断，返回bool类型比如希望把nan替换为0
t[np.isnan(t)]=0
print(t)

[[ 0.  1.  2.  3.  4.  5.]
[ 6.  7.  8.  9. 10. 11.]
[12. 13. 14. 15. 16. 17.]
[18. 19. 20.  0. 22. 23.]]
  1. nan和任何值计算都为nan

数组的拼接

>>> import numpy as np
>>> t1=np.arange(12).reshape(2,6)
>>> t1
array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11]])
>>> t2=np.arange(12,24).reshape(2,6)
>>> t2
array([[12, 13, 14, 15, 16, 17],
       [18, 19, 20, 21, 22, 23]])
>>> np.vstack((t1,t2)) #竖直拼接
array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11],
       [12, 13, 14, 15, 16, 17],
       [18, 19, 20, 21, 22, 23]])
>>> np.hstack((t1,t2)) #水平拼接 
array([[ 0,  1,  2,  3,  4,  5, 12, 13, 14, 15, 16, 17],
       [ 6,  7,  8,  9, 10, 11, 18, 19, 20, 21, 22, 23]])

数组的行列交换

>>> t1=np.arange(12,24).reshape(3,4)
>>> t1
array([[12, 13, 14, 15],
       [16, 17, 18, 19],
       [20, 21, 22, 23]])
>>> t1[[1,2],:]=t1[[2,1],:]	#行交换
>>> t1
array([[12, 13, 14, 15],
       [20, 21, 22, 23],
       [16, 17, 18, 19]])
>>> t1[:,[0,2]]=t1[:,[2,0]]
>>> t1
array([[14, 13, 12, 15],
       [22, 21, 20, 23],
       [18, 17, 16, 19]])
练习
import numpy as np
import os
#加载国家数据
print(os.getcwd())
us_date=os.getcwd()+'/youtube_video_data/US_video_data_numbers.csv'
uk_date=os.getcwd()+'/youtube_video_data/GB_video_data_numbers.csv'
us_date=np.loadtxt(us_date,delimiter=",",dtype=int)
uk_date=np.loadtxt(uk_date,delimiter=",",dtype=int)
#添加国家信息
#构造全为0的数据
zero_data=np.zeros((us_date.shape[0],1)).astype(int) #[0]表示一行，1表示1列
one_data=np.ones((uk_date.shape[0],1)).astype(int)  #[0]表示一行，1表示1列

#分别添加一列全为0，1的数组
us_date=np.hstack((us_date,zero_data))

uk_date=np.hstack((uk_date,one_data))

#拼接两组数据
final_data=np.vstack((us_date,uk_date))
print(final_data)

C:\Users\ramon\.PyCharmCE2017.2\config\scratches\1-7
[[4394029  320053    5931   46245       0]
 [7860119  185853   26679       0       0]
 [5845909  576597   39774  170708       0]
 ...
 [ 109222    4840      35     212       1]
 [ 626223   22962     532    1559       1]
 [  99228    1699      23     135       1]]

numpy更多好用的方法

  1. 获取最大值最小值的位置
    • np.argmax(t,axis=0)
    • np.argmin(t,axis=1)
>>> a=np.arange(6).reshape(2,3)
>>> a
array([[0, 1, 2],
       [3, 4, 5]])
>>> np.argmin(a,axis=0)	#axis=0按每列来计算
array([0, 0, 0], dtype=int64)
>>> np.argmin(a,axis=1)	#axis=1按每行来计算
array([0, 0], dtype=int64)
>>> np.argmax(a,axis=0)
array([1, 1, 1], dtype=int64)
>>> np.argmax(a,axis=1)
array([2, 2], dtype=int64)
  1. 创建一个全0的数组：np.zeros((3,4))
>>> np.zeros((3,4))
array([[0., 0., 0., 0.],
       [0., 0., 0., 0.],
       [0., 0., 0., 0.]])
  1. 创建一个全1的数组
>>> np.ones((3,4))
array([[1., 1., 1., 1.],
       [1., 1., 1., 1.],
       [1., 1., 1., 1.]])
  1. 创建一个对角线为1的正方形数组（方阵）
>>> np.eye(6)
array([[1., 0., 0., 0., 0., 0.],
       [0., 1., 0., 0., 0., 0.],
       [0., 0., 1., 0., 0., 0.],
       [0., 0., 0., 1., 0., 0.],
       [0., 0., 0., 0., 1., 0.],
       [0., 0., 0., 0., 0., 1.]])

numpy生成随机数

import numpy as np
np.random.seed(10)  #加上种子以后随机一次后会固定数值，不会再变化
t=np.random.randint(0,20,(3,4))
print(t)

[[ 9  4 15  0]
 [17 16 17  8]
 [ 9  0 10  8]]

在这里插入图片描述

numpy均值的算法

import numpy as np
def fill_ndarray(t1):
    for i in range(t1.shape[1]):    #遍历每一列
        temp_col=t1[:,i]    #当前的一列
        nan_num=np.count_nonzero(temp_col != temp_col)
        if nan_num!=0:  #不为0，说明当前这一列中有nan
            temp_not_nan_col=temp_col[temp_col==temp_col]   #当前一列不为nan的array
            #选中当前为nan的位置，把值赋给为不为nan的均值
            temp_col[np.isnan(temp_col)] = temp_not_nan_col.mean()
    return t1
if __name__=='__main__':
    t1 = np.arange(12).reshape((3, 4)).astype("float")
    t1[1,2:]=np.nan
    print(t1)
    t1=fill_ndarray(t1)
    print(t1)

[[ 0.  1.  2.  3.]
 [ 4.  5. nan nan]
 [ 8.  9. 10. 11.]]
[[ 0.  1.  2.  3.]
 [ 4.  5.  6.  7.]
 [ 8.  9. 10. 11.]]

练习

在这里插入图片描述

import os
from matplotlib import pyplot as plt
import numpy as np
us_data=os.getcwd()+'/youtube_video_data/US_video_data_numbers.csv'
uk_data=os.getcwd()+'/youtube_video_data/GB_video_data_numbers.csv'
#文件读取
t_us=np.loadtxt(us_data,delimiter=",",dtype=int)
t_uk=np.loadtxt(uk_data,delimiter=",",dtype=int)
#print(us_data)
#取评论的数据
t_us_comments = t_us[:,-1]
print(t_us_comments.max(),t_us_comments.min())
#选择比5000小的数据
t_us_comments=t_us_comments[t_us_comments<=5000]
#绘制直方图
d=25
bin_nums=(t_us_comments.max()-t_us_comments.min())//d
plt.figure(figsize=(20,10),dpi=100)
plt.hist(t_us_comments,bin_nums,color="red")
plt.grid(alpha=0.8)
plt.show()

在这里插入图片描述

import os
from matplotlib import pyplot as plt
import numpy as np
#us_data=os.getcwd()+'/youtube_video_data/US_video_data_numbers.csv'
uk_data=os.getcwd()+'/youtube_video_data/GB_video_data_numbers.csv'
#文件读取
#t_us=np.loadtxt(us_data,delimiter=",",dtype=int)
t_uk=np.loadtxt(uk_data,delimiter=",",dtype=int)

t_uk=t_uk[t_uk[:,1]<=500000]
t_uk_comment=t_uk[:,-1]
t_uk_like=t_uk[:,1]


plt.figure(figsize=(20,10),dpi=100)
plt.scatter(t_uk_like,t_uk_comment,color="orange")
plt.show()

在这里插入图片描述

阳翔宇
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
matlab开发-Dayofyear
08-22
这个主题主要涉及日期和时间处理，这是编程中非常重要的一个方面，特别是在数据分析、科学计算以及工业应用中。MATLAB提供了强大的日期和时间操作工具，使得用户能够方便地进行日期计算、日期格式转换以及时间序列...
数组中只出现一次的数字
chechenshi的博客
09-25 254
数组中只出现一次的数字 题目描述 一个整型数组里除了两个数字之外，其他的数字都出现了两次。请写程序找出这两个只出现一次的数字。 代码 //num1,num2分别为长度为1的数组。传出参数 //将num1[0],num2[0]设置为返回结果 public class Solution { public void FindNumsAppearOnce(int [] array,int num1[] , int num2[]) { int length = array.length;
任务卡007：数组综合训练
m0_49119552的博客
04-01 456
文章目录看前须知1、查找某个整数问题描述代码运行结果截图2、找出数组的最值问题描述代码运行结果3、两数之和问题描述示例：代码运行结果4、排序并查找问题描述代码运行结果5、问题描述示例：代码运行结果 看前须知 思路基本已经写在注释里了，有更多的想法会趁空闲的时候来尝试的，希望队友们也分享下自己的思路 1、查找某个整数 问题描述 定义一个长度为10的整型数组nums，循环输入10个整数。输出数组 的最大值、最小值。 代码 package collection_Task4; import java.util.S
PHP 数组去除重复并且记录值
JiaWJW的博客
09-13 508
array_count_values()：统计一个指定数组中所有的值出现的次数，并以数组的形式返回一个结果，其元素的键名则是原数组的值，键值则为该值在原数组中出现的次数。
poj 3784（对顶堆）
weixin_30764883的博客
03-09 132
Running Median Time Limit: 1000MS Memory Limit: 65536K Total Submissions: 1824 Accepted: 889 Description For this problem, you will write a program that reads in a sequ...
Java基础语法之数组训练——数组常见算法与逻辑
m0_61408514的博客
12-14 1295
1 查找某个整数 定义一个长度为10的整形数组nums，循环输入10个整数，然后将输入一个整数，查找此整数，找到并输出下标，没找到给出提示 package day01_text1; import java.util.Scanner; public class demo03 { /*定义一个长度为10的整形数组nums，循环输入10个整数， * 然后将输入一个整数，查找此整数，找到并输出下标，没找到给出提示 */ public static void main(String[] args) {
data-day-2021
04-06
【标题】"data-day-2021" 指的可能是一场关于数据科学或数据分析的活动，可能是一个会议、研讨会或者线上课程，日期发生在2021年。这个标题暗示了活动的核心主题是围绕数据相关的技术、趋势或者案例进行讨论。在IT...
Data-Every-Day
04-06
压缩包 "Data-Every-Day-main" 可能包含了整个项目的源代码、数据集、结果和可能的报告。通常，这样的文件结构会包括一个或多个Jupyter Notebook文件（扩展名为.ipynb），可能还有数据文件（如.csv或.xlsx）和其他...
python-Day17.rar
最新发布
04-11
最后，Python的标准库非常丰富，第17天可能介绍了一些常用库的使用，比如os库进行操作系统交互，sys库获取系统信息，或者numpy和pandas库进行科学计算和数据分析。 总的来说，"python-Day17.rar"可能涵盖了Python的...
30-day-chart-challenge
04-05
"30天图表挑战"是一个旨在提升数据可视化技能的项目，尤其针对使用R语言的用户。这个挑战鼓励参与者每天制作一种不同的图表，...通过实际操作和每日练习，你将逐步精通R语言的可视化技巧，并提升数据科学的综合能力。
java 一个数组，随机生成10个数，并求这些数的最大值、最小值、和、平均值
m0_53336918的博客
09-11 6184
java 一个数组，随机生成10个数，并求这些数的最大值、最小值、和、平均值
numpy基础操作（一）
胖虎卖汤圆的博客
01-22 669
一、生成ndarray 1. 最简单的方法就是使用array函数。array函数接收任何的序列型对象（当然也包括其他的数组），生成一个新的包含传递数组的numpy数组。例如： import numpy as np data1 = [6, 7.5, 8, 0, 1] arr1 = np.array(data1) arr1 array([ 6. , 7.5, 8. , 0. , 1...
np 数组转为普通数组_np 数组转为普通数组_Python Numpy 数组操作 （一）
weixin_39582480的博客
02-19 4674
修改数组形状numpy.reshapenumpy.reshape 函数可以在不改变数据的条件下修改形状，格式如下： numpy.reshape(arr, newshape, order='C')arr：要修改形状的数组newshape：整数或者整数数组，新的形状应当兼容原有形状order：'C' -- 按行，'F' -- 按列，'A' -- 原顺序，'k' -- 元素在内存中的出现顺序。impor...
eg2:定义一个长度为10的整型数组，循环输入10个整数，然后再使用循环查找出此数组中的最大及最小值。（数组）
热门推荐
pinkCoderMonkey的博客
04-11 2万+
package Hcybx; import java.util.Scanner; // 定义一个长度为10的整型数组，循环输入10个整数，然后再使用循环查找出此数组中的最大及最小值。 public class Test { public static void main(String[] args) { int[] array = new int [10]; for (int i =...
Numpy生成数组
weixin_43956958的博客
12-22 5007
虽然NumPy提供了数值数据操作的计算基础，但大多都把pandas作为统计、分析的基石，尤其是针对表格数据。pandas提供了更多的针对特定场景的函数功能，例如时间序列操作等NumPy等并不包含的功能。 NumPy： 它的设计对含有大量数组的数据非常有效。 在内部将数据存储在连续的内存块上。NumPy的算法库是C语言写的，在操作内存时，不需要任何检查或管理操作。NumPy数组使用的内存量也小于其他Python内建序列。 NumPy可以针对全量数组进行复杂计算而不需要写Python循环。 ndarray:
【JAVA】定义一个长度为10的数组，并循环输入赋值，去除该数组中重复的值（可采用辅助数组
zzzyunduo的博客
11-18 4196
//定义一个长度为10的数组，并循环输入赋值，去除该数组中重复的值（可采用辅助数组） public class shuzu1 { public static void main(String[] args) { int[] a = new int [10]; for(int i =0;i<a.length;i++){ a[i]= i+1; } //1 2 3 4 5 //6 7 8 9 10...
定义10个长度的整型数组, 从键盘获取10个数据保存到数组中,求出上面数组中的最大值,最小值和平均值并输出
yk_18的博客
06-05 3556
2.最大值可以先创建一个max变量，储存该数组第一个元素的值，然后利用for循环进行max与每一个元素进行比较，最大值储存在max中，输出最大值。3.最小值同理，创建min变量，储存数组第一个元素的值，然后for循环与每一个元素比较，最小值储存在min中，输出最小值。4.平均值，定义一个sum变量，初始为0，然后循环计算数组中所有的元素之和，最后输出sum。1.先定义一个数组，然后利用for循环对数组中的每一个元素赋值。
java数组
xx的博客
10-19 1057
java数组
Java数组学习
虽然但是
03-09 348
数组学习
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值