数据分析
sinat_30702153
这个作者很懒,什么都没留下…
展开
-
Numpy学习(四)
n [70]: np.arange(100)Out[70]:array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, &n原创 2020-08-23 21:51:10 · 121 阅读 · 0 评论 -
Numpy学习(三)
数组的其他创建方法全0数组的创建方法一:np.array([0]*10)array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0])方法二:np.zeros(10)array([0., 0., 0., 0., 0., 0., 0., 0., 0., 0.])此时创建的float型 a = np.zeros(10) a.dtype dtype('float64')自定义类型若创建其他类型如下,需要在dtype后边加数据类型z = np.zeros((2,2),原创 2020-08-23 21:17:18 · 106 阅读 · 0 评论 -
Numpy学习(二)
数组的属性a = np.array([[1,2,3],[4,5,6]])a.dtype#ndarray 对象的元素类型a.size#数组元素的总个数,相当于 .shape 中 n*m 的值a.shape#数组的维度,对于矩阵,n 行 m 列a.T#转置a.ndim #维数dtype('int32')6(2, 3)array([[1, 4], [2, 5], [3, 6]])2数组对象与数字相乘import numpy as npimport ran原创 2020-08-23 21:16:23 · 89 阅读 · 0 评论 -
Numpy学习(一)
Numpy使用方法:首先导入Numpyimport numpy as npNumPy 中最重要的是 N 维数组对象 ndarray,它是一系列相同数据类型的集合。ndarray 对象是用于存放同类型元素的多维数组且每个元素存储大小相同。Ndarray数组的创建过程numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)object数组或嵌套的数列dtype原创 2020-08-23 21:15:29 · 97 阅读 · 0 评论