Anacoda&Jupyter DAY 02 numpy补充&pandas

Anacoda&Jupyter DAY 02 重点知识总结 numpy补充&pandas

一 numpy知识补充

一 补充numpy的聚合操作

1. 补充一个nan的部分: NaN == not a number (非法字符)
   例子:
   np.nansum() 和 np.sum() 的区别
   如果在array中出现 nan等字符 使用np.sum() 方法求出的是nan(意思就是无法通过该方法处理含有nan的数组) 如果使用np.nansum的方法可以跳过nan的项 并且求合法字符的部分的和
   故: np.nanmin np.nanmax 等方法同理
2. 补充次方方法
   例: 求三次方
   n* n * n
   n**3
   np.power(n,3)
3. 补充找到所有满足条件的下标 返回的为array
   np.argwhere()
   如: n = np.random.randint(1,10,size = 10)
   display(np.argmax(n)) # 第一个最大数的下标 这种方法只能一次性返回一个下标 如果使用np.argwhere就可以返回所有
   np.argwhere(n == np.max(n)) # 返回所有满足等于最大值的下标
   tips: np.argwhere 的方法 输出多个下标的格式为:
   [[3]
   [6]]
   可以使用 m[:,-1] 的方法 使其变成 [3 6]

二 补充ndarray的矩阵操作

1. 基本矩阵操作 加减乘除
   1. 加减乘除会对所有的数据进行相同的操作
      如: n + 1
      会导致所有的数据全部加1
   2. 两个相同形状的矩阵相加 相对相同的位置进行操作
2. 广播机制[重点掌握]
   1. 为缺失的维度补充维度
   2. 假定确实元素 会用已有的值进行补充

a = np.ones((4,1),dtype = int)
b = np.arange(4)
display(a,b)
print(a+b)
#</