numpy,pandas,scipy,matplotlib
python tools
sunghosts
这个作者很懒,什么都没留下…
展开
-
numpy-no supported conversion for types
no supported conversion for types: (dtype(‘float64’), dtype(‘int64’), dtype(‘int64’), dtype(‘float64’), dtype(’<U9’))hstack或vstack中的每个变量都要通过dtype指定类型原创 2021-10-02 11:20:53 · 488 阅读 · 0 评论 -
numpy--argsort含义及连续两个argsort用法
官方文档:https://docs.scipy.org/doc/numpy-1.15.0/reference/generated/numpy.argsort.html#numpy.argsortargsort函数返回的是数组值从小到大的索引值>>> x = np.array([3, 1, 2])>>>> np.argsort(x)array([1, 2, 0])>>> np.argsort(-x) #按降序排列array([0,2,1原创 2021-09-16 10:46:36 · 1187 阅读 · 0 评论 -
numpy-随机种子
np.random.random([])可以生成随机数矩阵,有时候我们想每次生成的随机数矩阵都一样,这时只需在前面加一句np.random.seed(0) 即可,如:np.random.seed(0)a=np.random.random([2,2])当然,随机种子不一定为0,可以自己设置...原创 2021-07-11 23:46:34 · 200 阅读 · 0 评论 -
pandas整理
pandas 小技巧原创 2021-04-27 15:45:38 · 78 阅读 · 0 评论 -
numpy简单用法
随机种子np.random.random([])可以生成随机数矩阵,有时候我们想每次生成的随机数矩阵都一样,这时只需在前面加一句np.random.seed(0) 即可,如:np.random.seed(0)a=np.random.random([2,2])当然,随机种子不一定为0,可以自己设置tiletile() 函数,就是将原矩阵横向、纵向地复制。tile 是瓷砖的意思,顾名思义,这个函数就是把数组像瓷砖一样铺展开来。举个例子,原矩阵:mat = array([[1,2], [3原创 2021-04-27 10:01:32 · 76 阅读 · 0 评论 -
常用分布函数
0-1分布设随机变量X只可能取0与1两个值,分布律为P{X=k}=pk(1−p)1−k,k=0,1(0<p<1)P\{X=k\} = p^k(1-p)^{1-k}, k=0,1 (0<p<1)P{X=k}=pk(1−p)1−k,k=0,1(0<p<1)则称X服从以P为参数的0-1分布。二项分布设随机变量X只可能取0和1两个值,记: P(X=1)=p,P(X=0)=1−pP(X=1)=p, P(X=0)=1-pP(X=1)=p,P(X=0)=1−p, 将该实验重复原创 2021-04-20 22:35:44 · 2988 阅读 · 0 评论 -
Python--reshape
numpy中reshape函数的三种常见相关用法numpy.arange(n).reshape(a, b) 依次生成n个自然数,并且以a行b列的数组形式显示np.arange(16).reshape(2,8) #生成16个自然数,以2行8列的形式显示# Out: # array([[ 0, 1, 2, 3, 4, 5, 6, 7],# [ 8, 9, 10, 11, 12, 13, 14, 15]])mat (or array).reshape(c, -转载 2021-03-31 11:22:53 · 260 阅读 · 0 评论 -
详解seaborn中的kdeplot、rugplot、distplot与jointplot
简介seaborn是Python中基于matplotlib的具有更多可视化功能和更优美绘图风格的绘图模块,当我们想要探索单个或一对数据分布上的特征时,可以使用到seaborn中内置的若干函数对数据的分布进行多种多样的可视化,本文以jupyter notebook为编辑工具,针对seaborn中的kdeplot、rugplot、distplot和jointplot,对其参数设置和具体用法进行详细介绍。kdeplotseaborn中的kdeplot可用于对单变量和双变量进行核密度估计并可视化,其主要参数如转载 2020-11-23 00:11:30 · 8241 阅读 · 1 评论 -
numpy--pad函数的常用方法
参数解释ndarray = numpy.pad(array, pad_width, mode, **kwargs)array为要填补的数组pad_width是在各维度的各个方向上想要填补的长度,如((1,2),(2,2)),表示在第一个维度上水平方向上padding=1,垂直方向上padding=2,在第二个维度上水平方向上padding=2,垂直方向上padding=2。如果直接输入一个整数,则说明各个维度和各个方向所填补的长度都一样。mode为填补类型,即怎样去填补,有“const原创 2020-06-29 15:27:11 · 365 阅读 · 0 评论