numpy
a64506青竹
这个作者很懒,什么都没留下…
展开
-
pd.merge合并后行数不符预期原因
pd.merge 的笛卡尔积,依赖键值在左右表中不唯一的处理方式转载 2023-03-01 09:15:47 · 572 阅读 · 0 评论 -
Numpy之repeat、tile用法总结
https://blog.csdn.net/kancy110/article/details/70980127?ops_request_misc=&request_id=&biz_id=102&utm_source=distribute.pc_search_result.none-task-blog-2~all~sobaiduweb~default-1原创 2020-04-28 10:39:25 · 262 阅读 · 0 评论 -
numpy.where() 用法详解
numpy.where()有两种用法:1. np.where(condition, x, y)满足条件(condition),输出x,不满足输出y。如果是一维数组,相当于[xv if c else yv for (c,xv,yv) in zip(condition,x,y)]>>> aa = np.arange(10)>>> np.where...原创 2019-08-11 19:20:06 · 3826 阅读 · 0 评论 -
np.mgrid函数
原文:https://blog.csdn.net/Wzz_Liu/article/details/80962403代码:z = np.mgrid[1:5, 1:3]x, y = z[0], z[1]print(x)print(y)结果:[[1 1][2 2][3 3][4 4]][[1 2][1 2][1 2][1 2]]首先np.mgrid...原创 2019-08-05 14:31:50 · 2140 阅读 · 0 评论 -
np的split
import numpy as np'''split(ary, indices_or_sections, axis=0):(1)如果' indices_or_sections '是整数N,则数组将被分割沿“轴”排列成N个相等的数组。如果这样的分裂是不可能的,出现错误。(2)如果' indices_or_sections '是一个由已排序整数组成的一维数组,则输入指示数组沿“轴”...原创 2019-07-14 20:02:25 · 111 阅读 · 0 评论 -
np的切片索引、花式索引和布尔索引
有的是看别人的视频和文档,有的是自己悟的,如有错误,请指正。切片索引是利用切片进行索引。(与列表中的切片基本一样)花式索引是利用整数数组进行的索引。布尔索引是利用与原数组相同维度的 只包含True、False值的数组索引,并只返回True的值。import numpy as npimport numpy as npIn [110]:a= np.random.randn(...原创 2019-05-29 10:08:15 · 1648 阅读 · 0 评论 -
np的stack\hstack\vstack\concatenate 放到一起
import numpy as np# np.stack的官方解释为 对指定axis增加维度,# 我们发现y2.shape为(2,3,3),注意x1.shape为(3,3)也可以看做(1,3,3),# 当给x1的axis = 0也就是第一维增加一维后就变成了(2,3,3),这刚好是y2.shape,# 那x1增加的这个维度的内容用什么来填充呢?当然是x2了!(所以,也要明白的就是x1和x...原创 2019-05-28 14:53:53 · 328 阅读 · 0 评论 -
np的乘法
from random import randrangeimport numpy as npnp.random.randint(3)x=np.random.rand(3072,100)# print(tuple([randrange(m) for m in x.shape]))x1 = np.arange(9.0).reshape((3, 3))# print(type(np.arr...原创 2019-05-28 09:20:57 · 888 阅读 · 0 评论 -
np的reshape
import numpy as npa=np.array([[[[1,2],[3,4]]],[[5,6],[7,8]]])print(a.shape)print(a[1])print(a[1][1])print(a[1][1][1])# b=np.reshape(a,(4,-1))# print(b)c=np.random.rand(2,3,4)print(c)d=np.re...原创 2019-05-27 21:41:26 · 237 阅读 · 0 评论 -
np的concatenate
import numpy as npe = np.array([[[1,2], [3,4],['a','b']], [[5,6], [7,8],['c','d']]])a = np.array([[1, 2], [3, 4]])b = np.array([[5, 6]])c=np.concatenate((a, b), axis=0)# 默认按行连接,那么除了第一维度,其他维度的要全...原创 2019-05-27 21:30:29 · 431 阅读 · 0 评论 -
np的random中各种函数
import numpy as np# numpy.random.rand(d0, d1, ..., dn):# 返回一个被给形状的[0,1)之间的随机浮点数或N维浮点数组np.random.rand()#numpy.random.rand(d0, d1, ..., dn)#无参np.random.rand()#生成生成[0,1)之间随机浮点数type(np.random.ran...原创 2019-05-27 21:29:41 · 908 阅读 · 0 评论 -
np的linspace和logspace
import numpy as npimport numpy as npIn [7]:np.arange(5)Out[7]:array([0, 1, 2, 3, 4])In [ ]:等差数列#等差数列#对开始1和结束13{1,13}的区间进行,等距划分,当endpoint默认值是True时,间隔是 (13-1)/(num-1),间隔为4,所以就是1,1+4,1+4*2,1...原创 2019-05-27 21:28:52 · 360 阅读 · 0 评论 -
np的concatenate
import numpy as npe = np.array([[[1,2], [3,4],['a','b']], [[5,6], [7,8],['c','d']]])a = np.array([[1, 2], [3, 4]])b = np.array([[5, 6]])c=np.concatenate((a, b), axis=0)# 默认按行连接,那么除了第一维度,其他维度的要全...原创 2019-05-02 10:34:32 · 180 阅读 · 0 评论