pandas numpy学习笔记

Np.zeros(10, dtype = int)强制将float型转为int 型

Np.linspance () 与np.arange()类似但是产生多的是起始值与终止值之间的数据

Numpy 便利的创建二维数组， reshape（）重组一个意味数组分为两个维度

Eg： m=np.arange(0,20).reshape(5,4)

Out :

 

  确定二维数组行数  np.size(m, 0)    列数  np.size(m, 1)

  读取行 m[0,]   读取某列m[:,0]

函数表达式np.vectorize(exp)(a)

Np.sum(a<3) 判断小于3的个数

 

 

P127  IN 38

二维数组切片  m[:,1]  取二维数组第二列【1,5,9,13,17】

          取行吗【：1，：】  【0,1,2,3】

          取小矩阵  m[3:5,1:3]   取2，3列4,5行

使用np.reshape  可以将一维数组转为矩阵

 

flatten与ravel()行为类似

但是，无论是flatten还是ravel（）都无法直接改变原值

当对数组值进行操作，修改值时，ravel（）对原值修改flatten不改变原值

Transport（）转置矩阵  .T  转置矩阵

.resize与.reshape()类似，但是resize对原数据集进行操作

Np.hstack((a,b))  数组叠加 返回新数组

Np.concatenate((a,b) , axis = 1) 指定轴为1（横向）axis = 0 （纵向）

Np.vstack((a,b)) 垂直组合新数组

137

数组合并

Np.column_stack((数组1，数组2））

数组分割  np.hslipe(a,4)纵向分割 分割成4个数组

          Np.split(a, 2, axis = 1)   执行分割任务时坐标为1

.min 最小值   .max  最大值  .argmax 最大值的地址  .argmin 最小值的地址

.min(axis = 0)最小行 .max(aris =1) 最小列

.sum()  求和  .prod() 求积 .cumsum() 将每步求和结果构成数组  .cumprod()将求积结果构成数组

.mean()计算平均数  .std（）计算标准差  .var（）计算方差

.any 判断数组中值条件，有一些值满足返回true  .all（）所有制满足

.size 返回数组中元素数   .ndim 返回数组维数