自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(14)
  • 收藏
  • 关注

原创 第四章 分组

第四章 分组import numpy as npimport pandas as pd一、分组模式及其对象df.groupby(分组依据)[数据来源].使用操作例如第一个例子中的代码就应该如下:df.groupby('Gender')['Longevity'].mean()df = pd.read_csv('../data/learn_pandas.csv')df.groupby('Gender')['Height'].median()GenderFemale 159.6

2020-12-25 17:09:07 300

原创 第三章 索引

第三章 索引import numpy as npimport pandas as pd一、索引器1. 表的列索引df = pd.read_csv('../data/learn_pandas.csv', usecols = ['School', 'Grade', 'Name', 'Gender', 'Weight', 'Transfer'])df['Name'].head()0 Gaopeng Yang1 Changqiang You2 Mei Sun

2020-12-22 12:36:20 165

原创 第二章 pandas基础

第二章 pandas基础一、文件的读取和写入1. 文件读取【a】pandas读取csv, excel, txt文件:import numpy as npimport pandas as pddf_csv = pd.read_csv('../data/my_csv.csv')df_csv col1 col2 col3 col4 col5 0 2

2020-12-19 09:10:52 284 1

原创 第一章 预备知识

本文参考了datawhale组队学习相关资料!!!一、Python基础1. 列表推导式与条件赋值函数法生成数字数组:L = []def my_func(x): return 2*xfor i in range(5): L.append(my_func(i))L[0, 2, 4, 6, 8]利用列表推导式可进行写法上的简化:[* for i in *]。其中,第一个*为映射函数,其输入为后面i指代的内容,第二个*表示迭代的对象。[my_func(i) for i in

2020-12-15 22:24:16 265

原创 Numpy 学习专题(十)—— 大作业

import numpy as npimport pandas as pd1.导入同时存在数字和文本的数据集iris = pd.read_csv(‘iris.csv’, usecols=[1, 2, 3, 4, 5])转换成numpy数组形式columns_name = iris.columns # [‘Sepal.Length’, ‘Sepal.Width’, ‘Petal.Length’, ‘Petal.Width’, ‘Species’]iris_array = np.array([[i

2020-12-01 20:29:16 599

原创 Numpy 学习专题(九)—— 线性代数

前言Numpy 定义了 matrix 类型,使用该 matrix 类型创建的是矩阵对象,它们的加减乘除运算采用矩阵方式计算。但是由于 NumPy 中同时存在 ndarray 和 matrix对象,因此用户很容易将两者弄混。这有违 Python 的“显式优于隐式”的原则,因此官方并不推荐在程序中使用 matrix。在这里,我们仍然用 ndarray 来介绍。一、矩阵和向量积numpy.dot(a, b)计算两个矩阵的乘积,如果是一维数组则是它们的内积。x = np.array([1, 2, 3

2020-11-29 13:01:22 182

原创 Numpy 学习专题(八)—— 统计相关内容

一、次序统计1.计算最值计算最小值x = np.array([[11, 12, 13, 14, 15], [16, 17, 18, 19, 20], [21, 22, 23, 24, 25], [26, 27, 28, 29, 30], [31, 32, 33, 34, 35]]) y = np.min(x)print(y) # 11y = np.m

2020-11-27 10:46:20 169

原创 Numpy 学习专题(七)—— 随机抽样

一、随机抽样numpy.random.seed(seed=None)seed()用于指定随机数生成时所用算法开始的整数值。如果使用相同的seed()值,则每次生成的随机数都相同,如果不设置这个值,则系统根据时间来自己选择这个值,此时每次生成的随机数因时间差异而不同。二、离散型随机变量1.二项分布二项分布可以用于只有一次实验只有两种结果,各结果对应的概率相等的多次实验的概率问题。比如处理猜10次拳赢6次的概率等类似的问题。numpy.random.binomial(n, p, size=Non

2020-11-25 18:28:34 668

原创 Numpy 学习专题(六)—— 输入输出

一、numpy二进制文件存储单个数组outfile = 'E:/wxs/Desktop/1.npy' # 存储路径np.random.seed(20201122)x = np.random.uniform(0, 1, [2, 2])np.save(outfile, x)y = np.load(outfile)print(y)存储多个数组

2020-11-22 21:21:18 183

原创 Numpy 学习专题(五)—— 排序、搜索、计数、集合

前言一、排序numpy.sort()在这里插入代码片

2020-10-30 19:42:02 273

原创 Numpy 学习专题(四)—— 数学函数与逻辑函数

前言数学函数与逻辑函数一、向量化和广播如果两个数组的维度数dim不相同,数组的形状将会那么小维度在左边补1。x = np.arange(4)print(x) # [0 1 2 3]print(x.shape) # (4,)y = np.ones((3, 4))print(y)# [[1. 1. 1. 1.]# [1. 1. 1. 1.]# [1. 1. 1. 1.]]print(y.shape) # (3, 4)print(x + y)# [[1. 2. 3

2020-10-27 11:34:30 416

原创 Numpy 学习专题(三)—— 数组的变形

一、更改数组形状通常为了满足计算要求,我们会对数组进行形状变化。本模块会用到 numpy 模块,本中 numpy 全部用 np 代替,即 import numpy as npnumpy.ndarray.shape该函数可表示数组的形状或修改形状。x = np.array([1,2,3,4])print(x.shape) # (8,)x.shape = [2, 2]print(x)# [[1, 2]# [3, 4]] numpy.ndarray.flat该函数可把数组转换为一

2020-10-25 11:06:33 991

原创 Numpy 学习专题(二)—— 索引与切片

前言索引指的是用方括号 “[ ]” 加序号的形式引用数组中特定位置的元素,它的作用是从数组中取出一部分相应的元素重新组成一个子数组,而这个子数组就是通过索引得到的切片。

2020-10-22 23:07:46 529

原创 Numpy 学习专题(一)—— 数组的创建

学习目标:提示:这里可以添加学习目标例如:一周掌握 Java 入门知识学习内容:提示:这里可以添加要学的内容例如:1、 搭建 Java 开发环境2、 掌握 Java 基本语法3、 掌握条件语句4、 掌握循环语句学习时间:提示:这里可以添加计划学习的时间例如:1、 周一至周五晚上 7 点—晚上9点2、 周六上午 9 点-上午 11 点3、 周日下午 3 点-下午 6 点学习产出:提示:这里统计学习计划的总量例如:1、 技术笔记 2 遍2、CSDN 技术博客 3 篇

2020-10-20 14:17:15 1017 3

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

提示
确定要删除当前文章?
取消 删除