numpy
雨浅听风吟
这个作者很懒,什么都没留下…
展开
-
pandas对所有矩阵内容函数操作(apply)并删除其中为空的内容
创建2维dataframe格式数据import numpy as npimport pandas as pddata = [[1, 5, 1.2], [2, 6, 2.2], [3, 7, 3.2]]df = pd.DataFrame(data = data, index = ['row_%d'%i for i in range(3)], columns=['col_0', 'col_1', 'col_2'],原创 2021-06-16 10:35:03 · 342 阅读 · 0 评论 -
numpy中对array加[]作用
对array+[]作用import numpy as npa=np.array([[1,2],[3,4]])b=[a]print(b)结果[array([[1, 2], [3, 4]])]print(b.shape)会报错显示数组无法显示维度c=np.asarray(b)print(c)print(c.shape)[[[1 2] [3 4]]](1, 2, 2)numpy.asarray()函数转载https://blog.csdn.net/kep原创 2021-05-13 11:10:10 · 336 阅读 · 0 评论 -
np.logical_and和
import numpy as npbox=np.array([[1,2,3],[4,5,6],[7,8,9]])box_1=box[:,0]+box[:,1]box_2=box[:,1]+box[:,2]box_3=box[box_1>10]box=box[np.logical_and(box_1<10,box_2>10)]print(box_1)print(box_2)print(box_3)print(box)#box1[ 3 9 15]#box2[原创 2021-05-11 10:11:36 · 181 阅读 · 0 评论 -
np中[:,-1] [:,-1:] [:,:-1]区别和作用
1 [:,-1:]效果import numpy as npa=np.array([[1,2,3,4],[5,6,7,9]])b=a[:,-1:]print(b)-1表示该维度最后一个数据,上图b表示第一维度全要,第二维度就要最后一列,且维度不发生变化2 [:,-1:] 和[:,:-1]区别c=np.array([[[1,2],[3,4]],[[5,7],[8,9]]])d=c[:,-1:]e=c[:,:-1]第一维度都要区别在于[:,-1:] 为第二维度只要最后一列[:,:-1原创 2021-04-30 11:25:50 · 3006 阅读 · 2 评论