青崖梦

一、什么是Jupyter Notebook？1. 简介Jupyter Notebook是基于网页的用于交互计算的应用程序。其可被应用于全过程计算：开发、文档编写、运行代码和展示结果。——Jupyter Notebook官方介绍简而言之，Jupyter Notebook是以网页的形式打开，可以在网页页面中直接编写代码和运行代码，代码的运行结果也会直接在代码块下显示。如在编程过程中需要...

一、Windows下安装Anaconda 1、Anaconda下载 请在PC端点击下载Windows64位的Anaconda3-5.1.0 请在PC端点击下载Windows32位的Anaconda3-5.1.0 2、Windows下安装Anaconda1）双击Ana...

coding: utf-8Google招聘需求分析Google是技术人员梦寐以求的工作圣地，想进入Google，需要什么样的条件？Google在哪些地区有招聘机会？我们一起探索。这个项目中，我们将处理以csv文件格式存储的数据。数据为从https://careers.google.com/ 爬取的google招聘职位需求。载入文件我们尝试使用Pandas的read_csv载入数...

二维数组的表示方法：python原生：列表的列表Numpy:ndarrayPandas:DataFrame二维ndarray与Python List1.ndarry性能更好2.ndarray有mean()、std()、sum()等更多的跟数学计算相关的内置函数，作用于整个数组3.访问语法差别：a[1,2](Numpy ndarray)、a[1][2](Python Li...

NumPy数组的维数称为秩（rank），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（axes），秩其实是描述轴的数量。比如说，二维数组相当于是一个一维数组，而这个一维数组中每个元素又是一个一维数组。所以这个一维数组就是NumPy中的轴（axes），而轴的数量——秩，就是数组的维数。Numpy库中的矩阵模块为ndarray对象，有很多属性：T，da...

若寻找一个列表的最大（小）值及其对应的索引：list = [9, 12, 88, 14, 25]max_list = max(list) # 返回最大值max_index = list.index(max(list))# 最大值的索引# 最小的话 max换成min若是numpy中arrary的类型# 把array转换为list,按以上方法import numpy as n...

NumPy MatplotlibMatplotlib 是 Python 的绘图库。 它可与 NumPy 一起使用，提供了一种有效的 MatLab 开源替代方案。 它也可以和图形工具包一起使用，如 PyQt 和 wxPython。Windows 系统安装 Matplotlib进入到 cmd 窗口下，执行以下命令：python -m pip install -U pip setupt...

NumPy IONumpy 可以读写磁盘上的文本数据或二进制数据。NumPy 为 ndarray 对象引入了一个简单的文件格式：npy。npy 文件用于存储重建 ndarray 所需的数据、图形、dtype 和其他信息。常用的 IO 函数有：load() 和 save() 函数是读写文件数组数据的两个主要函数，默认情况下，数组是以未压缩的原始二进制格式保存在扩展名为 .npy ...

NumPy 线性代数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：函数 描述 dot 两个数组的点积，即元素对应相乘。 vdot 两个向量的点积 inner 两个数组的内积 matmul 两个数组的矩阵积 determinant 数组的行列式 solve 求解线性矩阵方...

NumPy 矩阵库(Matrix)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 m x n 的矩阵是一个由 m 行（row）n 列（column）元素排列成的矩形阵列。矩阵里的元素可以是数字、符号或数学式。以下是一个由 6 个数字元素构成的 2 行 3 列的矩阵：matlib.empty()ma...

NumPy 副本和视图副本是一个数据的完整的拷贝，如果我们对副本进行修改，它不会影响到原始数据，物理内存不在同一位置。视图是数据的一个别称或引用，通过该别称或引用亦便可访问、操作原有数据，但原有数据不会产生拷贝。如果我们对视图进行修改，它会影响到原始数据，物理内存在同一位置。视图一般发生在：1、numpy 的切片操作返回原数据的视图。 2、调用 ndarray 的 view() ...

NumPy 字节交换在几乎所有的机器上，多字节对象都被存储为连续的字节序列。字节顺序，是跨越多字节的程序对象的存储规则。 大端模式：指数据的高字节保存在内存的低地址中，而数据的低字节保存在内存的高地址中，这样的存储模式有点儿类似于把数据当作字符串顺序处理：地址由小向大增加，而数据从高位往低位放；这和我们的阅读习惯一致。 小端模式：指数据的高字节保存在内存的高地址中，而数据的低字...

NumPy 排序、条件刷选函数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。种类 速度 最坏情况 工作空间 稳定性 'quicksort'（快速排序） 1 O(n^2) 0 否 'mergesort'（归并...

NumPy 统计函数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。 函数说明如下：numpy.amin() 和 numpy.amax()numpy.amin() 用于计算数组中的元素沿指定轴的最小值。numpy.amax() 用于计算数组中的元素沿指定轴的最大值。实例import numpy as np a = np.array(...

NumPy 算术函数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。实例import numpy as np a = np.arange(9, dtype = np.float_).reshape(3,3) print ('第一个数组：') print (a...

NumPy 数学函数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。三角函数NumPy 提供了标准的三角函数：sin()、cos()、tan()。实例import numpy as np a = np.array([0,30,45,60,90]) print ('不同角度的正弦值：') # 通过乘 pi/180 转化为弧度 print (...

NumPy 字符串函数以下函数用于对 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。函数 描述 add() 对两个数组的逐个字符串元素进行连接 multiply() 返回按元素多重连接后的字符串 ...

NumPy 位运算NumPy "bitwise_" 开头的函数是位运算函数。NumPy 位运算包括以下几个函数：函数 描述 bitwise_and 对数组元素执行位与操作 bitwise_or 对数组元素执行位或操作 invert 按位取反 left_shift 向左移动二进制表示的位 right_shift 向右移动二进制表示的...

Numpy 数组操作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修改数组形状函数 描述 reshape 不改变数据的条件下修改形状 flat 数组元素迭代器 flatten 返回一份数组拷贝，对拷贝所做的修改不会影响原始数组 ravel ...

NumPy 迭代数组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。接下来我们使用 arange() 函数创建一个 2X3 数组，并使用 nditer 对它进行迭代。实例import numpy as np a = np.arange(6).reshape(2,3) print ('原...

NumPy 广播(Broadcast)广播(Broadcast)是 numpy 对不同形状(shape)的数组进行数值计算的方式， 对数组的算术运算通常在相应的元素上进行。如果两个数组 a 和 b 形状相同，即满足 a.shape == b.shape，那么 a*b 的结果就是 a 与 b 数组对应位相乘。这要求维数相同，且各维度的长度相同。实例import numpy as np...

NumPy 高级索引NumPy 比一般的 Python 序列提供更多的索引方式。除了之前看到的用整数和切片的索引外，数组可以由整数数组索引、布尔索引及花式索引。整数数组索引以下实例获取数组中(0,0)，(1,1)和(2,0)位置处的元素。实例import numpy as np x = np.array([[1, 2], [3, 4], [5, 6]]) y = x[[0,1,...

NumPy 切片和索引ndarray对象的内容可以通过索引或切片来访问和修改，与 Python 中 list 的切片操作一样。ndarray 数组可以基于 0 - n 的下标进行索引，切片对象可以通过内置的 slice 函数，并设置 start, stop 及 step 参数进行，从原数组中切割出一个新数组。实例import numpy as np a = np.arange(10...

NumPy 从数值范围创建数组这一章节我们将学习如何从数值范围创建数组。numpy.arangenumpy 包中的使用 arange 函数创建数值范围并返回 ndarray 对象，函数格式如下：numpy.arange(start, stop, step, dtype)根据 start 与 stop 指定的范围以及 step 设定的步长，生成一个 ndarray。参数说明...

NumPy 从已有的数组创建数组本章节我们将学习如何从已有的数组创建数组。numpy.asarraynumpy.asarray 类似 numpy.array，但 numpy.asarray 参数只有三个，比 numpy.array 少两个。numpy.asarray(a, dtype = None, order = None)参数说明：参数 描述 a 任意...

NumPy 创建数组ndarray 数组除了可以使用底层 ndarray 构造器来创建外，也可以通过以下几种方式来创建。numpy.emptynumpy.empty 方法用来创建一个指定形状（shape）、数据类型（dtype）且未初始化的数组：numpy.empty(shape, dtype = float, order = 'C')参数说明：参数 描述 sh...

NumPy 数组属性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），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（axi...

NumPy 数据类型numpy 支持的数据类型比 Python 内置的类型要多很多，基本上可以和 C 语言的数据类型对应上，其中部分类型对应为 Python 内置的类型。下表列举了常用 NumPy 基本类型。名称 描述 bool_ 布尔型数据类型（True 或者 False） int_ 默认的整数类型（类似于 C 语言中的 long，int32 或 int64）...

NumPy Ndarray 对象NumPy 最重要的一个特点是其 N 维数组对象 ndarray，它是一系列同类型数据的集合，以 0 下标为开始进行集合中元素的索引。ndarray 对象是用于存放同类型元素的多维数组。ndarray 中的每个元素在内存中都有相同存储大小的区域。ndarray 内部由以下内容组成： 一个指向数据（内存或内存映射文件中的一块数据）的指针。 ...

NumPy 安装Python 官网上的发行版是不包含 NumPy 模块的。我们可以使用以下几种方法来安装。1、使用已有的发行版本对于许多用户，尤其是在 Windows 上，最简单的方法是下载以下的 Python 发行版，它们包含了所有的关键包（包括 NumPy，SciPy，matplotlib，IPython，SymPy 以及 Python 核心自带的其它包）：Anaconda...

NumPy 教程NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。NumPy 的前身 Numeric 最早是由 Jim Hugunin 与其它协作者共同开发，2005 年，Travis Oliphant 在 Numeric 中结合了另一个同性质的程序库 Numarray 的特色，并加...