Numpy日常总结

20220105

https://blog.csdn.net/qq_40760163/article/details/89306903
矩阵乘积和对应元素相乘

https://blog.csdn.net/xienan_ds_zj/article/details/86738316
np.matrix之后才能通过.I求逆
矩阵求逆

20210729

https://mp.weixin.qq.com/s/D8s663JMZpxeApG1UcECdA
Numpy闯关100题,我闯了95关。

对于数据分析和机器学习使用Python进行分析的过程中,必然要用到Pandas、Numpy和Matplotlib。针对pandas和matplotlib也都有总结过,今天就来总结一下numpy的日常用法,对数据分析的效率有很大的帮助。

对于numpy的使用在官方文档里面有很多使用方法,但是日常使用的,尤其在机器学习数据预处理环节也就那么几种常规使用,只要会了这些就足够你日常业务数据分析和数据挖掘使用了。对于特殊的可以单独再根据需要从官方文档中进行学习。

Numpy库导入方法:import numpy as np

针对numpy的别名可以自己任意设定,一般使用np比较通用,方便大家理解。


import numpy as np

array=np.array([1,2,3,4])
print(type(array))

#输出:<class 'numpy.ndarray'>

可以从输出看出numpy的数据类型是ndarray数据类型,可以理解为数据、向量或者矩阵。

整体Numpy的知识框架如下:
在这里插入图片描述
详细方法如下:

1、创建数据集相关属性

在这里插入图片描述
此部分主要是针对Numpy的多维数据创建和常用的了解数据基本现状的方法,同时对于创建一些特殊的数组,如全0、全1、单位矩阵等常用方法。

2、矩阵计算

在这里插入图片描述
此部分主要是针对单个和两个矩阵进行加减乘除、转置等处理。

3、切片和索引

在这里插入图片描述
此部分主要是在对数据进行处理的时候,需要获取指定值的索引,矩阵块的获取,还可以通过bool索引进行切片。

4、扩展与分解

在这里插入图片描述
主要用在矩阵合并和矩阵分解。

5、随机模块

在这里插入图片描述
此部分主要是可以按照不同的随机条件生成不同的数据矩阵。

6、其它
此部分补充一下矩阵元素的排序。

以上就是Numpy日常会用到的所有知识点和方法,大家可以根据自己的数据分析和挖掘重点进行学习和完善,希望对大家有帮助的话可以点赞收藏。

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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
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