![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
numpy
文章平均质量分 76
知识分享小能手
每天分享一些学习知识点,一些编程知识点,学习网站,一些学习心得等等!
展开
-
数据分析必备:一步步教你如何用Pandas做数据分析(7)
重建索引 会更改DataFrame的行标签和列标签。重新索引是指使数据与特定轴上的一组给定标签匹配。通过索引可以完成多个操作,例如-重新排序现有数据以匹配一组新标签。在标签数据不存在的标签位置中插入缺失值(NA)标记。原创 2024-05-25 20:26:24 · 289 阅读 · 0 评论 -
数据分析必备:一步步教你如何用Pandas做数据分析(6)
Pandas 重建索引操作实例要将您自己或其他库的函数应用于Pandas对象,您应该了解三个重要的方法。方法如下所述。要使用的适当方法取决于您的函数是希望对整个数据帧进行操作,还是行操作还是按列操作,还是按元素操作。原创 2024-05-23 22:32:45 · 321 阅读 · 0 评论 -
数据分析必备:一步步教你如何用numpy改变数据处理(16)
NumPy 提供了线性代数函数库 linalg,该库包含了线性代数所需的所有功能,可以看看下面的说明:原创 2024-05-17 18:56:19 · 513 阅读 · 0 评论 -
数据分析必备:一步步教你如何用numpy改变数据处理(15)
NumPy 中包含了一个矩阵库 numpy.matlib,该模块中的函数返回的是一个矩阵,而不是 ndarray 对象。一个 的矩阵是一个由行(row)列(column)元素排列成的矩形阵列。原创 2024-05-16 18:53:25 · 311 阅读 · 0 评论 -
数据分析必备:一步步教你如何用numpy改变数据处理(14)
NumPy 提供了多种排序的方法。 这些排序函数实现不同的排序算法,每个排序算法的特征在于执行速度,最坏情况性能,所需的工作空间和算法的稳定性。 下表显示了三种排序算法的比较。原创 2024-05-15 20:33:00 · 681 阅读 · 0 评论 -
数据分析必备:一步步教你如何用numpy改变数据处理(13)
NumPy 提供了很多统计函数,用于从数组中查找最小元素,最大元素,百分位标准差和方差等。原创 2024-05-14 21:40:51 · 939 阅读 · 0 评论 -
数据分析必备:一步步教你如何用numpy改变数据处理(12)
NumPy 算术函数包含简单的加减乘除: add(),subtract(),multiply() 和 divide()。需要注意的是数组必须具有相同的形状或符合数组广播规则。原创 2024-05-13 18:12:44 · 133 阅读 · 0 评论 -
数据分析必备:一步步教你如何用numpy改变数据处理(11)
NumPy 包含大量的各种数学运算的函数,包括三角函数,算术运算的函数,复数处理函数等。原创 2024-05-12 18:44:49 · 251 阅读 · 0 评论 -
数据分析必备:一步步教你如何用numpy改变数据处理(10)
以下函数用于对 dtype 为 numpy.string_ 或 numpy.unicode_ 的数组执行向量化字符串操作。 它们基于 Python 内置库中的标准字符串函数。这些函数在字符数组类(numpy.char)中定义。原创 2024-05-11 18:35:44 · 286 阅读 · 0 评论 -
数据分析必备:一步步教你如何用numpy改变数据处理(9)
位运算是一种在二进制数字的位级别上进行操作的一类运算,它们直接操作二进制数字的各个位,而不考虑数字的整体值。位运算在计算机科学中广泛应用于优化和处理底层数据。原创 2024-05-10 17:32:29 · 561 阅读 · 0 评论 -
数据分析必备:一步步教你如何用numpy改变数据处理(8)
Numpy 中包含了一些函数用于处理数组,大概可分为以下几类:修改数组形状翻转数组修改数组维度连接数组分割数组数组元素的添加与删除原创 2024-05-09 17:47:54 · 824 阅读 · 0 评论 -
数据分析必备:一步步教你如何用numpy改变数据处理(7)
NumPy 迭代器对象 numpy.nditer 提供了一种灵活访问一个或者多个数组元素的方式。迭代器最基本的任务的可以完成对数组元素的访问。原创 2024-05-08 16:43:25 · 666 阅读 · 0 评论 -
数据分析必备:一步步教你如何用numpy改变数据处理(6)
NumPy 广播(Broadcasting)是指当两个形状不同的数组进行运算时,NumPy 有能力灵活地改变其中某个(些)数组的形状从而使得运算可以正常进行。广播的规则主要包括以下几点:当一个数组是一个数字时,可以广播。维度的尾部一致时,可以广播。两个数组均为一维数组,一个为行方向,一个为列方向时,可以广播。广播意味着一种向量化操作,它可以避免在类似 C 语言中产生大量循环,从而提高内存和计算效率。在 Python 中,广播通常使计算更加高效,因为它不会做大量的数据复制。原创 2024-05-07 17:23:32 · 341 阅读 · 0 评论 -
数据分析必备:一步步教你如何用numpy改变数据处理(5)
NumPy中的切片是指从一个多维数组中提取一部分元素,形成一个新的数组或视图。切片操作不需要循环遍历每个元素,而是通过指定起始、结束和步长来选择数据。- 索引则是通过指定元素的索引位置来访问或修改数组中的元素。NumPy支持基本切片、高级索引和字段访问等多种索引方式。原创 2024-05-06 19:00:20 · 701 阅读 · 2 评论 -
数据分析必备:一步步教你如何用numpy改变数据处理(4)
了解和掌握NumPy数组的使用对于进行高效的科学计算和数据分析是非常重要的。通过学习和实践,你可以更好地利用NumPy的强大功能来解决各种计算问题原创 2024-05-05 18:31:58 · 934 阅读 · 0 评论 -
数据分析必备:一步步教你如何用numpy改变数据处理(3)
本章节我们将来了解 NumPy 数组的一些基本属性。NumPy 数组的维数称为秩(rank),秩就是轴的数量,即数组的维度,一维数组的秩为 1,二维数组的秩为 2,以此类推。在 NumPy中,每一个线性的数组称为是一个轴(axis),也就是维度(dimensions)。比如说,二维数组相当于是两个一维数组,其中第一个一维数组中每个元素又是一个一维数组。所以一维数组就是 NumPy 中的轴(axis),第一个轴相当于是底层数组,第二个轴是底层数组里的数组。而轴的数量——秩,就是数组的维数。原创 2024-05-04 18:36:45 · 1080 阅读 · 0 评论 -
数据分析必备:一步步教你如何用numpy改变数据处理(2)
NumPy是Python中的一个运算速度非常快的一个数学库,它非常重视数组。它允许你在Python中进行向量和矩阵计算,并且由于许多底层函数实际上是用C编写的,因此你可以体验在原生Python中永远无法体验到的速度。NumPy绝对是科学Python成功的关键之一,如果你想要进入Python中的数据科学和/或机器学习,你就要必须学习它。在我看来,NumPy的API设计得很好,所以我们要开始使用它并不困难。原创 2024-05-03 21:07:47 · 845 阅读 · 0 评论 -
数据分析必备:一步步教你如何用numpy改变数据处理(1)
NumPy是一个功能强大的Python库,主要用于对多维数组执行计算。NumPy这个词来源于两个单词-- Numerical和Python。NumPy提供了大量的库函数和操作,可以帮助程序员轻松地进行数值计算。这类数值计算广泛用于以下任务:机器学习模型:在编写机器学习算法时,需要对矩阵进行各种数值计算。例如矩阵乘法、换位、加法等。NumPy提供了一个非常好的库,用于简单(在编写代码方面)和快速(在速度方面)计算。NumPy数组用于存储训练数据和机器学习模型的参数。原创 2024-05-02 20:30:42 · 667 阅读 · 0 评论