python实战应用讲解-【numpy专题篇】实用小技巧(六)(附python示例代码)

本文介绍了Python中使用Numpy进行数据分析的一些实用技巧,包括利用`numpy.nanmax()`忽略NaN计算最大值,使用`numpy.lib.scimath.power()`对负值进行幂运算,以及运用`numpy.einsum()`进行张量收缩操作。通过示例代码展示了如何在实际应用中操作这些方法。
摘要由CSDN通过智能技术生成

目录

 

在Python中返回数组的最大值或忽略任何NaN的最大值

NumPy.nanmax() 方法

示例 1:

示例 2:

示例 3:

返回Python中用scimath将输入值提高到的幂的结果

NumPy.lib.scimath.power 方法

示例 1:

示例 2:

在Python中对相关矩阵进行排序

步骤

在Python中使用NumPy的张量收缩与爱因斯坦求和惯例

numpy.einsum() 方法

示例:

训练集、测试集与验证集

训练集

测试集

验证集


在Python中返回数组的最大值或忽略任何NaN的最大值

示例:

输入: [ -1. -2. nan 1000.]
输出: 1000.0
解释: 忽略nans的数组的最大值。

NumPy.nanmax() 方法

NumPy的numpy.nanmax()方法返回数组中的最高值或最大值或沿轴的最高值,忽略任何NaN。

语法: numpy.nanmax(a, axis=None, out=None)

参数:

  • a: 类似数组的对象。
  • axis:默认为无。
  • out:默认为无。

返回:最大的数组值(如果没有轴,则为标量值)或具有沿指定轴的最大值的数组。

示例 1:

在这个例子中,NumPy包被导入。使用numpy.array()方法创建了一个数组,其中包含nan和其他值,np.nanmax()返回

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

格图素书

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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