假期学习
宇宙第一大咸鱼
这个很懒,什么都没留下
展开
-
Pandas学习——多级索引
https://www.cnblogs.com/zhangyafei/p/12114521.html转载 2020-09-14 11:27:59 · 168 阅读 · 0 评论 -
pandas学习——索引对象和一些常用函数
索引对象pandas的索引对象是数据标签的容器。在创建序列或数据框的时候,数组或者其他表示数据标签的有序列会自动的转换成索引对象。>>> sa 0.694635b 0.068107c 0.302411d 0.044751a 0.858449dtype: float64>>> s.indexIndex(['a', 'b', 'c', 'd', 'a'], dtype='object')>>> s.in原创 2020-09-14 10:07:44 · 254 阅读 · 0 评论 -
Pandas学习——series和DataFrame的基本生成
数据结构介绍名称说明Series一维带标签的同种数据类型的数组DataFrame二维带标签的大小可变的各列数据类型可以不同的二维表格Panel三维带标签大小可变的数组可以把DataFrame看作Series的容器,把Panel看作是DataFrame的容器序列Series的生成方式是多种多样的,可以用numpy去生成一个序列>>> s = pd.Series(np.random.rand(5))0 0.3509761 0原创 2020-09-13 11:32:44 · 460 阅读 · 0 评论 -
Kaggle练习——Titanic
import pandas as pdimport matplotlib.pyplot as plt%matplotlib inlineinputData = pd.read_csv('./train.csv')trainData = inputData.copy(deep = True)拷贝一份trainData用于数据处理,不动原数据。(其实好像没啥用)del trainData['PassengerId']del trainData['Cabin']del trainData['T原创 2020-09-12 19:53:53 · 320 阅读 · 0 评论 -
Numpy学习——排序和查找
数组的排序和查找排序sort()>>> testarray([[13, 2, 4], [13, 2, 17], [ 8, 1, 19], [19, 1, 18]])>>> test.sort()>>> testarray([[ 2, 4, 13], [ 2, 13, 17], [ 1, 8, 19], [ 1, 18, 19]])原创 2020-09-11 16:33:55 · 249 阅读 · 0 评论 -
Numpy学习——常用random函数
numpy生成随机数Numpy.random模块下提供了一些常用的随机函数,可以生成不同概率的随机数。函数描述rand(d0,d1…,dn)返回均匀分布的随机数randn(d0,d1…,dn)返回标准分布的随机数randint(low, high, size, dtype)返回给定开区间的随机整数random_intergers()返回闭区间的随机整数random()返回0到1区间的浮点数chioce()返回给定一维数组的随机数byte原创 2020-09-11 15:59:09 · 429 阅读 · 0 评论 -
Numpy学习——简单读取文件
输入与输出Numpy常用的文件是二进制文件和文本文件二进制文件save函数使用如下:>>> a = np.arange(16).reshape(4,4)>>> np.save('./temp_array', a)会生成.npy文件load函数:>>> np.load('./temp_array.npy')savez函数:可以将多个数组以非压缩的方式存进同一个二进制文件中。>>> x = np.a原创 2020-09-11 15:03:40 · 176 阅读 · 0 评论 -
Numpy学习——线性代数、where语句、统计函数
线性代数Numpy可以用于计算矩阵相乘、分解矩阵、求解线性方程等线性代数问题。*在numpy中表示两个数组的乘积。numpy.linalg模块中会有矩阵计算经常用到的功能,如inv()函数,用于求解矩阵的逆矩阵。可以使用solve()函数去求解线性方程组{x1+2x2=22x1−2x2=4\begin{cases}x_1+2x_2=2\\2x_1-2x_2=4\end{cases}{x1+2x2=22x1−2x2=4>>> import numpy.lina原创 2020-09-11 14:37:40 · 158 阅读 · 0 评论 -
Numpy学习——复制和指代
复制和指代之前已经介绍过一些函数,有些函数是对原数组进行复制再操作,有些函数是直接对原数组进行修改,之后返回对数组的指代。一般有三种情况:完全不复制、返回指代和深度复制。完全不复制:赋值操作属于完全不复制数组的一类操作。>>> a = np.arange(6)>>> b = np.arange(6)>>> b is a False>>> b = a>>> b is a True&g原创 2020-09-11 11:30:49 · 150 阅读 · 0 评论 -
numpy学习——数组的常用数学函数
数组的基本操作常用的数组函数如下:函数描述add()两个数组元素相加subtract()两个数组元素相减multiply()两个数组元素相乘divide()两个数组元素相除power()以一个数组元素作为底,另一个数组元素作为指数,进行幂指数运算mod()、reminder()求余exp()、exp2()返回输入数组以e或以2为底的指数结果log()、log2()、log10()返回自然对数、以2为底的对数、以10为底的对数原创 2020-09-11 11:10:54 · 373 阅读 · 1 评论 -
Numpy学习——数组形状的改变、拆分、整合
改变数组的形状数组的形状可以改变,但是元素不可以改变。在reshape()的操作中,如果某个方向的大小设置为-1,则会根据其他方向上设定的大小来计算-1这个方向的大小。>>> a = np.range(24)>>> a.reshape([2,3,4])array([[[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11]], [[12, 13, 14, 15],原创 2020-09-11 10:42:57 · 573 阅读 · 0 评论 -
numpy学习——数组的分片和索引以及高级索引(整数索引,布尔索引)
基本的分片和索引操作多维数组的分片操作:>>> a = np.arange(27).reshape(3,3,3)>>> aarray([[[ 0, 1, 2], [ 3, 4, 5], [ 6, 7, 8]], [[ 9, 10, 11], [12, 13, 14], [15, 16, 17]], [[18, 19, 20], [21原创 2020-09-07 16:32:24 · 1477 阅读 · 1 评论 -
numpy学习——数组的基本运算操作
数组的基本运算操作numpy支持数组之间的±*/运算,也支持数与数组之间的运算。运算时不会创建一个新的数组,而是在原有数组基础上进行修改。举一个经常报错的例子:a = np.ones((3,3), dtype=int)b = np.ones((3,3), dtype='float64')a += b---------------------------------------------------------------------------UFuncTypeError原创 2020-09-07 11:41:23 · 728 阅读 · 0 评论 -
numpy学习——numpy基本介绍
1.numpyNumpy基本介绍在Numpy中,方向称作轴,轴的数目称作维。N维数组在numpy中是一个ndarray类,而python中的array只处理一维数组。以下是几个比较重要的属性。ndarray.ndim指数组的维度ndarray.shape数组的形状,n行m列的矩阵,shape为(n,m)是元组。ndarray.size数组的大小,即n*mndarray.dtype数组内元素的数据类型ndarray.itemsize占计算机内存的大小ndar原创 2020-09-07 11:24:08 · 226 阅读 · 0 评论 -
python查漏补缺
python查漏补缺理论上的东西脚本语言一般都是不需要编译的,是解释型语言。python则__需要编译__:会将脚本语言编译成字节码的形式。Jython:用Java编写的Python,可以使用Java中的链接库。CPython是现在用的Python。Python for .Net:.Net使用的是XML Web Services。 Python for .Net和IronPython是.net平台上的python。vim和Emacs(不学习)注释与断行大段注释 ‘’’ 或者 “原创 2020-08-30 16:38:20 · 151 阅读 · 0 评论