day3 numpy处理

已于 2022-12-04 21:17:17 修改
阅读量374 收藏
点赞数
分类专栏： 数据科学学习 文章标签： python numpy
于 2022-12-04 21:13:44 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/water2014/article/details/128177504
版权

题目
希望了解英国的youtube中视频的评论数和喜欢数的关系，应该如何绘制改图

from matplotlib import pyplot as plt
import numpy as np
data_GB = np.loadtxt("/mnt/d/拜师教育/数据分析资料/day03/code/youtube_video_data/GB_video_data_numbers.csv",delimiter=",",dtype=int)


GB_less_like = data_GB[data_GB[:,1]<500000]  ##由于大于500000的数据点太少，所以截取掉


like = GB_less_like[:,1]
comment = GB_less_like[:,-1]

plt.figure(figsize=(20,8), dpi=80)
plt.scatter(like, comment)

结果如下
请添加图片描述

王梓维
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Anacoda&Jupyter DAY 02 numpy补充&pandas
Galahad_Lin的博客
08-18 189
Anacoda&Jupyter DAY 02 重点知识总结 numpy补充&pandas 一 numpy知识补充 一 补充numpy的聚合操作 补充一个nan的部分: NaN == not a number (非法字符) 例子: np.nansum() 和 np.sum() 的区别 如果在array中出现 nan等字符 使用np.sum() 方法求出的是nan(意思就是无法通过该方法处理含有nan的数组) 如果使用np.nansum的方法可以跳过nan的项 并且求合法字符的部分的和 故:
Python学习 Day69 numpy元素操作 01
ShengXIABai的博客
11-07 664
numpy元素操作 一、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 冒号 : 的解释 如果只放置一个参数，如 [2]，将返回与该索引相对应的单个元素。如果为 [2:]，表示从该索引开始以后的所有项都将被提取。如果使用了两个参数，如 [2:7]，那么则
day3 Numpy应用案例（1）
Hubert的博客
08-02 894
Numpy应用案例 注：使用numpy库来对图像进行处理。这里我们使用matplotlib.pyplot的相关方法来辅助。 对于彩色图像，可以认为是由RGB三个通道构成的。每个最低维就是一个通道。分别提取R（红色），G（绿色），B（蓝色）三个通道，并显示单通道的图像。 1、图像读取与显示 plt.imread：读取图像，返回图像的数组。 plt.imshow：显示图像。 plt.imsave：保存图像。 说明： imread方法默认只能处理png格式的图像，如果需要处理其他格式的图像，需要安装pill
Day04：Numpy函数
glaxy1029的博客
10-28 737
数学函数 numpy.add(x1, x2, *args, **kwargs) 按元素添加参数。 numpy.subtract(x1, x2, *args, **kwargs）按元素减去参数。 numpy.multiply(x1, x2, *args, **kwargs） 按元素乘以参数。 numpy.divide(x1, x2, *args, **kwargs) 返回输入的真实除法，按元素划分。 numpy.floor_divide(x1, x2, *args, **kwargs) 返回小于或等于输入.
Day2-Numpy使用详解
YShuaiLong的博客
03-04 285
1：简介 Numpy（Numerical Python的简称）是高性能科学计算和数据分析的基础包，提供了矩阵运算的功能。Numpy提供了一下几个主要功能： ndarray————一个具有向量算数运算和复杂广播能力的多维数组对象。 用于对数组数据进行快速晕眩的标准数学函数。 用于读写磁盘数据的工具以及用户操作内存映射文件的工具。 非常有用的线性代数，傅里叶变换和随机数操作。 用于集成C/C++和Fortran代码的工具。 除明显的科学用途之外，Numpy也可以用作通用数据的高效多维容器，可以定义任
Numpy Day 3 -输入和输出
weixin_48760912的博客
03-20 134
目录1. numpy 二进制文件2. 文本文件3. 文本格式选项4. 练习 1. numpy 二进制文件 save()、savez()和load()函数以 numpy 专用的二进制类型（.npy、.npz）保存和读取数据，这三个函数会自动处理ndim、dtype、shape等信息，使用它们读写数组非常方便，但是save()和savez()输出的文件很难与其它语言编写的程序兼容。 【函数】 def save(file, arr, allow_pickle=True, fix_imports=True):
python数据分析Day3--numpy(3)
weixin_72765295的博客
10-20 271
其中的key代表列索引，value代表执行的函数当遇处理空数据时，由于空字符的dtype不是数字的类型，则可以使用异常捕获：例如寻找年龄。
【Python】【Numpy+Pandas数据处理·闯关】和鲸社区学习笔记day（3）
qq_25218219的博客
03-14 551
例如： 按course列分组后，grade列元素最多的是？merge 最常用，主要用于基于指定列的横向合并拼接。join 最简单，主要用于基于索引的横向合并拼接。concat最强大，可用于横向和纵向合并拼接。用的时候chatgpt吧 太难记了。append，主要用于纵向追加。
学习Numpy+Pandas数据处理Day1
Abcdeqwerzby的博客
04-05 1272
要求：计算出每位同学的总成绩(SumScore)、平均成绩(MeanScore)，最高成绩(MaxScore)、最低成绩(MinScore)、最高成绩与最低成绩的极差(PtpScore)、成绩方差(VarScore)；并将所有数据保存到score数据框中；将多列数据(包括学生的ID)合并到一列中，列名设置为answer，最终只保留索引id（从0到100）和answer两列，统一保留整数；已知10位同学的学号以及语数英三科成绩如下：（都是数值型数据）df=pd.DataFrame({··#创建了这个df。
python3 numpy whl格式安装包
08-28
python3 numpy1.21.5 whl格式安装包
Numpy数据处理
12-23
numpy是第三方库，处理数据需要导入numpy模块 import numpy as np 三种生成整数np.array的方式，其中第三种以后经常用到 a=np.array([1,2,3,4,5,6]) #添加一列列表 b=np.array(range(1,6)) #生成一列列表 c=np.a...
通俗图解NumPy数据处理方法
01-03
1.向量-一维数组 1.1 初始化 1.1.1 向量初始化 1.1.2 其他初始化向量方法 1.1.3 序列数组初始化 1.1.4 随机数组初始化 1.2 向量索引 1.3 向量操作 2.矩阵-二维数组 2.1 矩阵初始化 ...3.三维数组（更高数组）
numpy数据处理
05-29
自己总结的主要是numpy创建数组，包括数组的各种操作，每一个功能都有注释说明
NumPy-快速处理数据
02-24
这样为了保存一个简单的[1,2,3]，需要有3个指针和三个整数对象。对于数值运算来说这种结构显然比较浪费内存和CPU计算时间。此外Python还提供了一个array模块，array对象和列表不同，它直接保存数值，和C语言的一维...
如何mysql数据导入到mongdb
codemami的博客
05-30 771
由于MySQL和MongoDB的数据模型不同（例如，MySQL使用关系模型，而MongoDB使用文档模型），你可能需要转换数据的格式。使用MongoDB驱动程序：你也可以使用MongoDB的官方驱动程序（如Python的pymongo）来编写脚本，将数据直接插入到MongoDB中。注意：如果你的JSON文件包含多个文档，并且它们不是作为数组的一部分（即每个文档都在其自己的行上），则需要使用--jsonArray选项。手动转换：对于小型数据集，你可以手动编辑SQL或CSV文件，将其转换为JSON格式。
学 Python 具体能干什么？
猿小白的博客
05-26 1240
Python 是一种功能强大、用途广泛的编程语言，因其简洁易读的语法和丰富的库生态系统而备受欢迎。
在linux服务器上使用tensorboard，错误记录
最新发布
wwwwzm的博客
05-30 478
1. 使用tensorboard命令时，不是从虚拟环境中找tensorboard，而是从（全局路径）中找（/home/ljx/.local/lib/python3.9/site-packages/tensorboard）是一个在 Unix-like 系统（包括 Linux 和 macOS）的命令行界面（如 Bash shell）中使用的命令。2.使用which命令， 查看使用的tensorboard的路径，发现使用的是全局路径，不是虚拟环境路径。是一个特殊的变量，它定义了操作系统搜索可执行文件的目录。
Pandas03
Bianca427的博客
05-27 1225
聚合计算时新增一列计算最大值与平均值的差值df.groupby('district').agg(最低工资=('salary', 'min'), 最高工资=('salary', 'max'), 平均工资=('salary', 'mean'), 最大值与均值差值=('salary', myfunc)).rename_axis(["行政区"])
保留原本功能优化以下代码import pandas as pd import numpy as np import matplotlib.pyplot as plt # 1.读取并查看数据 bike_day = pd.read_csv("C:/Users/15020/Desktop/26.bike_day.csv") print(bike_day.head(5)) # 前5行 print(bike_day.tail(2)) #后2行 #2.处理数据并导出到文件 bike_day_user = bike_day[['instant','dteday','yr', 'casual', 'registered']].dropna() bike_day_user.to_csv('bike_day_user.txt', sep=' ',index=False, header=False) #3.读取数据并添加新列并导出到新文件 bike_day_user = pd.read_csv('bike_day_user.txt', sep=' ', header=None, names=['instant','dteday','yr', 'casual',"registered"]) bike_day_user['cnt'] = bike_day_user['casual'] + bike_day_user['registered'] bike_day_user.to_excel('bike_day_user_cnt.xlsx', index=False) #4.读取数据并进行统计 bike_day_user_cnt = pd.read_excel('bike_day_user_cnt.xlsx') print('cnt最大值:',bike_day_user_cnt['cnt'].max()) print('ent最小值:',bike_day_user_cnt['cnt'].min()) print('2011号cnt年平均值:',bike_day_user_cnt[bike_day_user_cnt['yr'] == 0]['cnt'].mean()) print('2012年cnt年平均值:',bike_day_user_cnt[bike_day_user_cnt['yr'] == 1]['cnt'].mean()) print('2011年月严始值:', bike_day_user_cnt[bike_day_user_cnt['yr'] == 0].groupby('mnth')['cnt'].mean()) print('2022年月平均值:', bike_day_user_cnt[bike_day_user_cnt['yr'] == 1].groupby('mnth')['cnt'].mean()) # 5.可视化并保存图像 fig, ax = plt.subplots() ax.barh(bike_day_user_cnt['mnth'], bike_day_user_cnt[bike_day_user_cnt['yr'] == 0].groupby('mnth')['cnt'].mean(), color='blue', label='2011') ax.barh(bike_day_user_cnt['mnth'], bike_day_user_cnt[bike_day_user_cnt['yr'] == 1].groupby('mnth')['cnt'].mean(), color='lightblue', label='2012') ax.set_yticks(np.arange(1,13)) ax.set_yticklabels(['Jan','Feb','Mar', 'Apr', 'May','Jun','Jul','Aug', 'sep', 'Oct','Nov','Dec']) ax.set_xlabel('Average number of shared bike users') ax.set_title('Monthly Average Number of Shared Bike Users in 2011-2012') ax.legend() fig.savefig('bike_day_user_cnt.png', dpi=300)
06-03
import numpy as np import matplotlib.pyplot as plt # 1.读取并查看数据 bike_day = pd.read_csv("C:/Users/15020/Desktop/26.bike_day.csv") print(bike_day.head()) print(bike_day.tail(2)) # 2.处理数据...

“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

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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