- 博客(17)
- 收藏
- 关注
RSS订阅
1原创 pytorch基本使用_02
import numpy as npimport torch# 从numpy引入tensora = np.array([2, 3.3])print(torch.from_numpy(a))# tensor([2.0000, 3.3000], dtype=torch.float64)torch.tensor([1, 2.3])# tensor([1.0000, 2.3000])# 使用现成的数据torch.FloatTensor(2, 3)# tensor([[1.4863e+19, 8.
2021-04-09 09:20:48
89
原创 pytorch基本使用_01
import torchimport numpy as np# string 在torch中对string不支持，1 可以通过向量one-hot来进行分类# 2 embedding word2vec glove# type checka = torch.randn(2, 3)a.type()# 'torch.FloatTensor'type(a)# <class 'torch.Tensor'>isinstance(a, torch.FloatTensor)# True'.
2021-04-09 09:19:34
156
原创 单变量线型回归python实现
线性回归'''linear_regression'''import numpy as npimport matplotlib.pyplot as plt# y=wx+b# 计算 loss = (1/2*N)*(∑1->i(yi-w*xi)**2)def compute_error_for_line_given_points (w, b, points): total_error = 0 for i in range(0, len(points)): x
2021-04-08 12:59:15
120
原创 pytorch基本用法_01
import torchimport numpy as np# string 在torch中对string不支持，1 可以通过向量one-hot来进行分类# 2 embedding word2vec glove# type checka = torch.randn(2, 3)a.type()# 'torch.FloatTensor'type(a)# <class 'torch.Tensor'>isinstance(a, torch.FloatTensor)# True'.
2021-04-08 12:54:52
47
原创 关于Pandas的基本用法_07
import pandas as pdimport numpy as npfrom matplotlib import pyplot as plt# Series 线型数据data = pd.Series(np.random.randn(1000))data = data.cumsum()data.plot()plt.show()# DataFrame 矩阵数据data = pd.DataFrame(np.random.randn(1000, 4), columns=list("ABCD.
2021-04-08 10:11:22
61
原创 关于Pandas的基本用法_06
import numpy as npimport pandas as pdleft = pd.DataFrame({ 'key': ['k0', 'k1', 'k2', 'k3'], 'A': ['A0', 'A1', 'A2', 'A3'], 'B': ['B0', 'B1', 'B2', 'B3']})right = pd.DataFrame({ 'key': ['k0', 'k1', 'k2', 'k3'], 'C': ['C0', 'C1', 'C2.
2021-04-08 10:10:43
80
原创 关于Pandas的基本用法_05
# 数据存储和调用import numpy as npimport pandas as pd# data = pd.read_csv('E:\pythonDemo\Pandas\data\data.csv')# # 读取csv文件# data.to_pickle('E:\pythonDemo\Pandas\data\data.pickle')# # 储存文件df1 = pd.DataFrame(np.arange(12).reshape((3, 4)), columns=['a', 'b',.
2021-04-08 10:10:03
46
原创 关于Pandas的基本用法_04
import numpy as npimport pandas as pddates = pd.date_range('20210329',periods=6)df = pd.DataFrame(np.arange(24).reshape((6, 4)), index=dates,columns=np.array(['a', 'b', 'c' ,'d']))df.iloc[1,1] = np.nandf.loc['20210402','a':'d'] = np.nanprint(df)pri.
2021-04-08 10:09:05
57
原创 关于Pandas的基本用法_03
import numpy as npimport pandas as pddates = pd.date_range('20210329',periods=6)df = pd.DataFrame(np.arange(24).reshape((6, 4)), index=dates,columns=['a', 'b', 'c', 'd'])#df[1,1] = 222 # 错误写法 这是将df增加一列df.iloc[1,2] = 222df.loc['20210330','b'] =333pr.
2021-04-08 10:08:27
61
原创 关于Pandas的基本用法_02
import numpy as npimport pandas as pddates = pd.date_range('20210329',periods=6)df = pd.DataFrame(np.arange(24).reshape(6, 4), index=dates,columns=['a', 'b', 'c', 'd'])print(df)print(df['a'])# 等价形式print(df.a)# 对指定索引的列进行输出print(df[0:3])# 通过切片选取第零.
2021-04-08 10:07:24
68
原创 关于Pandas的基本用法_01
import pandas as pdimport numpy as nps = pd.Series([1, 2, 3, np.nan, 44])# 创建一个pandas序列date_s = pd.date_range('20210328', periods=6)# 生成时间索引df = pd.DataFrame(np.random.randn(6, 4), index=date_s, columns=['a', 'b', 'c', 'd'])# 生成一个有指定行列索引的矩阵df1 = p.
2021-04-08 10:06:47
62
原创 关于Numpy的基本用法_04
np.show_config()# 打印numpy的版本和配置说明print(np.__version__)# 打印numpy版本array_zeros = np.zeros(10)# 创建一个长度为10的0向量np.info(np.add)# 从命令行得到numpy中add函数的说明文档?array_zeros = np.zeros(10)array_zeros[4] = 1# 创建一个长度为10并且除了第五个值为1的空向量array_ranges = np.arange(10, .
2021-04-01 10:36:02
249
原创 关于Numpy的基本用法_03
import numpy as npA = np.ones(3, dtype=int)B = np.array([2, 2, 2], dtype=int)print(np.vstack((A, B)))# 上下合并 可以多项合并'''[[1 1 1] [2 2 2]]'''print(np.hstack((A, B)))# 左右合并print(A[np.newaxis, :])# 在行上增加一个维度print(B[:, np.newaxis])# 在列上增加一个维度 可以将一个.
2021-04-01 10:34:46
60
原创 关于Numpy的基本用法_02
import numpy as npa = np.array([[2, 3, 35, 678], [54, 65, 14, 586], [120, 912, 7238, 12]])print(a[2][2])# 与数组索引差不多,行和列都是从下标0开始# 等价形式# a[2,2] == a[2][2]print(a[2, :])# 第二行所有数print(a[:, 1])# 第一列的所有数print(a[1, 1:3])# 第一.
2021-04-01 10:33:34
43
原创 关于Numpy的基本用法_01
import numpy as np'''--------------------------------------------'''array = np.array([[1, 2, 3], [2, 3, 4]])# 将二维列表转化为二维数组(矩阵)print("number of dim:", array.ndim)# array.ndim --表示数组维数print("shape:", array.shape)# array.shape --数组行列数print("size:".
2021-04-01 10:31:33
87
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人