- 博客(13)
- 收藏
- 关注
RSS订阅原创 数组
数组操作复杂度增resize复制,最坏情况O(n)，均摊复杂度O(1)删resize复制,最坏情况O(n)，均摊复杂度O(1)改已知索引O(1),未知索引O(n)查已知索引O(1),未知索引O(n)队列数组队列操作复杂度增resize操作，均摊复杂度O(1)删O(n)查查找第一个元素O(1)循环队列操作复杂度增resize操作，均摊复杂度O(1)删resize操作，均摊复杂度
2021-04-10 19:03:32
120
原创 复杂度分析
复杂度分析查询链接链接: https://www.bigocheatsheet.com/.知识点最好情况复杂度最坏情况复杂度平均情况复杂度均摊情况复杂度将复杂度最大的一次均摊给其他，前面n次操作的复杂度都为O(1),n+1次的操作为O(n),所以把n+1次的复杂度均摊到前面n次上，所以均摊下来每次操作都是O(1)复杂度...
2021-04-10 18:16:51
130
原创 DataFrame--groupby()
groupby用来将df按列名进行分组data = np.array([1,2,3,4,5])df = pd.DataFrame({ 'L1': data, 'L2': data==2， 'L3':data/2}, index=['a', 'b', 'c', 'd', 'e'])print df L1 L2 L3a 1 False ...
2018-08-09 06:21:08
816
原创 往Series添加DataFrame
往Series添加DataFrame要注意的是Series的索引和DataFrame的列名是否匹配，当匹配时s = pd.Series([1, 2])df = pd.DataFrame({ 0: [10,10], 1: [10,10] })print s print dfprint df + s0 11 2dtyp...
2018-08-09 05:28:09
3498
原创 DataFrame--applymap()和apply()
调用DataFrame的applymap()函数，df每个元素运算后会得到一个新的元素，从而得到一个新的df。df = pd.DataFrame({ 'a': [2, 2, 2], 'b': [2, 2, 2], 'c': [2, 2, 2]}) def multiply(x): return x * 2 ...
2018-08-08 22:32:18
542
原创 Pandas--DataFrame运算
相同列名相加df1 = pd.DataFrame({'a': [1, 2, 3,4], 'b': [ 5,6,7,8], 'c': [9,10,11,12]})df2 = pd.DataFrame({'a': [10, 20, 30,40], 'b': [50, 60,70,80], 'c': [90,100, 110,120]})df3 = pd.DataFrame({'d': [10...
2018-08-08 21:57:15
3307
原创 NumPy--corrcoef()
皮尔逊积矩相关系数,又称“相关系数”，取值范围为[-1,1],r=0,没有相关性。a = np.array([1,2,3])b = np.array([3,4,5])def correlation(x, y):# std_x = (x-x.mean())/(x.std(ddof=0))# std_y = (y-y.mean)/(y.std(ddof=0)) ...
2018-08-08 21:02:32
20938
原创 Pandas--DataFrame
创建DataFrameimport pandas as pdimport numpy as npa = np.arange(50).reshape(10,5)# print atest_df = pd.DataFrame( data=a, index=['index0', 'index1', 'index2', 'index3', 'index4', ...
2018-08-06 20:35:57
187
原创 Numpy--二维数组
a = np.arange(20).reshape(4,5)[[ 0 1 2 3 4] [ 5 6 7 8 9] [10 11 12 13 14] [15 16 17 18 19]]获取二维数组元素print a[1, 3] #8print a[1:3, 3:5] #[[ 8 9][13 14]]print a[1, :] #[5 6 7 8 9]...
2018-08-06 19:50:04
10445
翻译 Pandas--loc与iloc
Series.loc:通过标签或布尔数组访问一组行和列。loc[]主要是基于标签的，但也可以与布尔数组一起使用。import pandas as pddf = pd.DataFrame([[1, 2], [3, 4], [5, 6]],index=['cobra', 'viper', 'sidewinder'],columns=['max_speed', 'shield'])pr...
2018-08-05 16:33:40
1077
原创 Pandas--Series
1.Pandas Series与numpy array不同点：Series是一个类数组的数据结构，同时带有标签（lable）或者说索引（index）。 Series可使用s.describe()。相同点：通过索引获取元素。 遍历 for x in a: 可使用函数：mean(),max()。 2.pandas series运算import pandas as pd...
2018-08-05 16:07:47
222
原创 Numpy--向量化运算
1.numpy array与python list相同点：*可以通过索引获取元素。*遍历 for x in a：不同点：*numpy数组中各元素都属于同一类型。*numpy拥有很多可以使用的函数，如mean() ,std()。*numpy数组可以是多维的。 2.运算a = np.array([1, 2, 3, 4])b = np.array([1, 2...
2018-08-05 15:12:07
1318
原创 Numpy--数据类型dtype
# 1.数据类型对象是用来描述与数组对应的内存区域如何使用names = np.array([ 'Tom','Alis','Auto','Palama','Pojo', 'Dun','Pork','Havi','Dyto','Nono'])heights = np.array([ 170.70000076, 186.70003000, 154.70000076,...
2018-07-23 22:24:58
3044
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人