目录
numpy一元函数,对ndarray中的数据执行元素级运算的函数
ndarray数据的创建方法
1.从python中的列表、元组等类型创建ndarray数组
x = np.array(list/tuple)
x = np.array(list/tuple,dtype=np.float32)
当np.array()不指定dtype时,numpy将根据数据情况关联一个dtype类型。
2.使用numpy中函数创建naarray数组,如;array、ones、zeros等
其中ndarray数组的维度变换方法如下图
因此在使用的时候要注意哪些方法是改变原数组,哪些是不改变原数组的,举例如下图:
ndarray数组类型的变化方法astype(),该方法一定会创建新的数组(原始数据的一个拷贝),即使两个类型一致。
naarray数组向列表的转换方法tolist(),如下图:
3.从字节流(raw bytes)中创建ndarray数组
4.从文件中读取特定格式,创建ndarray数组。
数组的索引和切片
索引:获取数组中特定位置元素的过程
切片:获取数组元素子集的过程,例如 a[起始编号:终止编号(不含):步长]
多维数组的索引,举例如下:
多维数组的切片,举例如下:
数组与标量之间的运算(作用于数组中的每一个元素)
numpy一元函数,对ndarray中的数据执行元素级运算的函数
nunpy中二元函数
csv文件,用逗号分隔值
使用savetxt函数向csv中写入数据,具体方法如下并举例:
使用loadtxt函数从csv文件中读取数据,具体方法如下并举例:
需要注意的是csv文件只能有效的存储一维或二维数组,np.savetxt()和np.loadtxt()只能有效存取一维或二维数组。
nmupy中随机数函数random
numpy中的统计函数
axis=1指的是对第二维度做运算,即对应行,axis=0即对第一维度做运算,即对应列
numpy中的梯度函数
pandas是基于numpy实现的扩展库
pandas提供了两个数据类型:Series(一维),DataFrame(二维及多维)
numpy是基础数据类型,关注数据的结构表达,维度是数据间关系
pandas是扩展数据类型,关注数据的应用表达,维度是数据与索引间关系
series类型由一组数据及与之相关的数据索引构成。有自动索引和自定义索引两种。
自动索引和自定义索引如下图所示:
series类型可以由如下类型创建:python列表,标量值,python字典,ndarray,其他函数。
- python列表,index与列表元素个数一致。
- 标量值,index表达series类型的尺寸。
- python字典,键值对中的键是索引,index从字典中进行选择操作。
- ndarray,索引和数据都可以通过ndarray类型创建。
- 其他函数,range()函数等。
自动索引和自定义索引并存,但不能混用。
series是一维带“标签”的数组。
series基本操作类似ndarray和字典,根据索引对齐。
DataFrame类型
dataframe类型由共用相同索引的一组列组成。
dataframe是一个表格型的数据类型,每列值类型可以不同。
dataframe既有行索引,也有列索引。
dataframe常用于表达二维数据,但可以表达多维数据。
dataframe类型可由以下类型创建;
- 二维ndarray对象
- 由一维ndarray,列表,字典,元组或series构成的字典
- series类型
- 其他的dataframe类型
dataframe是二维带“标签”数组。
dataframe基本操作类似series,依据行列索引。