numpy自学笔记

一、创建数组:

在这里插入图片描述

二、numpy中常见的更多数据类型:

在这里插入图片描述

三、数据类型操作:

在这里插入图片描述

四、数组的形状:

在这里插入图片描述

在不知道数组元素数量的时候,通过以下方法将数组转换成一维:
在这里插入图片描述

五、数组的一些计算

1、数组和数字的计算

在这里插入图片描述

在这里插入图片描述

2、数组和数组的计算

(一)相同类型的

在这里插入图片描述

(二)不同类型的

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

六、numpy读取本地数据和索引

1、认识轴(axis)

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

2、numpy读取本地数据

在这里插入图片描述
在这里插入图片描述

1、具体操作

基础代码:
在这里插入图片描述

所得结果
在这里插入图片描述
转置:
在这里插入图片描述

3、numpy中的索引和切片

(一)取行

在这里插入图片描述

(二)取列

在这里插入图片描述

(三)行列并用

在这里插入图片描述
在这里插入图片描述

4、numpy中更多的索引方式

(一)numpy中数值的修改

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
这里我们需要用到三元运算符了!
在这里插入图片描述
在这里插入图片描述
把指定的数改成nan
在这里插入图片描述

(二)数据的拼接

在这里插入图片描述

(三)数组的行列交换

在这里插入图片描述

(四)练习

在这里插入图片描述
在这里插入图片描述

5、numpy中的随机方法

在这里插入图片描述

生成随机数函数
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
copy和view
在这里插入图片描述

6、numpy中的nan和常用统计方法

(一)nan和inf

在这里插入图片描述

(二)numpy中nan的注意点

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

(三)numpy中常用的统计函数

在这里插入图片描述

(四)案例:将array中为nan的数变为该列非nan的数的平均值

import numpy as np

t1 = np.arange(12).reshape((3,4)).astype("float")

t1[1,2:]=np.nan

# print(t1)
# t1.shapep[1]的值为1轴即y轴的长度
for i in range(t1.shape[1]):
    temp_col = t1[:,i] # 当前一列
    nan_num = np.count_nonzero(temp_col!=temp_col) # count_nonzero的值为当前集合里不为0的值的数量
    if nan_num!=0:
        # 当前一列不为nan的array,用于求不为nan部分的平均值
        temp_not_nan_col = temp_col[temp_col==temp_col]
        # 通过main()计算非nan部分的array的平均值,并且将其赋值给为nan的部分
        temp_col[np.isnan(temp_col)] = temp_not_nan_col.main() 

(五)功能导图!!!

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

六、总结

简单的学习了numpy的知识,为学习pandas打下了基础!!!

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

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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