- 博客(14)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 numpy_10-大作业
Chapter 10 大作业 本次练习使用 鸢尾属植物数据集.\iris.txt，在这个数据集中，包括了三类不同的鸢尾属植物：Iris Setosa，Iris Versicolour，Iris Virginica。每类收集了50个样本，因此这个数据集一共包含了150个样本。 sepallength：萼片长度 sepalwidth：萼片宽度 petallength：花瓣长度 petalwidth：花瓣宽度 以上四个特征的单位都是厘米（cm）。 # 导入鸢尾属植物数据集，保持文本不变。 import numpy
2022-05-06 09:34:07
153
原创 numpy_9线性代数
线性代数 矩阵和向量积 import numpy as np x = np.array([1, 2, 3, 4, 5]) y = np.array([2, 3, 4, 5, 6]) z = np.dot(x, y) print(z) # 70 x = np.array([[1, 2, 3], [3, 4, 5], [6, 7, 8]]) print(x) # [[1 2 3] # [3 4 5] # [6 7 8]] y = np.array([[5, 4, 2], [1, 7, 9], [0,
2022-05-06 09:32:50
114
原创 numpy_8统计相关
次序统计 计算最小值 import numpy as np x = np.array([[11, 12, 13, 14, 15], [16, 17, 18, 19, 20], [21, 22, 23, 24, 25], [26, 27, 28, 29, 30], [31, 32, 33, 34, 35]]) y = np.amin(x) print(y) # 11 y = np.amin(x
2022-05-06 09:32:12
143
原创 numpy_7随机抽样
离散型随机变量 # 野外正在进行9（n=9）口石油勘探井的发掘工作，每一口井能够开发出油的概率是0.1（p=0.1）。 #请问，最终所有的勘探井都勘探失败的概率？ import numpy as np import matplotlib.pyplot as plt # import scipy from scipy import stats np.random.seed(20200605) n = 9# 做某件事情的次数 p = 0.1# 做某件事情成功的概率 size = 50000 x = np.ra
2022-05-06 09:31:19
264
原创 numpy_6输入输出
numpy二进制文件 # 将一个数组文件保存到一个文件中 import numpy as np outfile = r'./test.npy' np.random.seed(20200619) x = np.random.uniform(low=0, high=1,size = [3, 5]) np.save(outfile, x) y = np.load(outfile) print(y) # [[0.01123594 0.66790705 0.50212171 0.7230908 0.6166825
2022-05-06 09:28:35
72
原创 numpy_5排序-搜索-计数
排序 import numpy as np np.random.seed(20200612) x = np.random.rand(5, 5) * 10 x = np.around(x, 2) print(x) # [[2.32 7.54 9.78 1.73 6.22] # [6.93 5.17 9.28 9.76 8.25] # [0.01 4.23 0.19 1.73 9.27] # [7.99 4.97 0.88 7.32 4.29] # [9.05 0.07 8.95 7.9 6.99]
2022-05-06 09:26:29
96
原创 numpy_4数学函数及逻辑函数
逻辑函数 # 逻辑函数-真值测试 import numpy as np a = np.array([0, 4, 5]) b = np.copy(a) print(np.all(a == b)) # True print(np.any(a == b)) # True b[0] = 1 print(np.all(a == b)) # False print(np.any(a == b)) # True print(np.all([1.0, np.nan])) # True print(np.an
2022-05-06 09:25:18
90
原创 numpy_3数组的操作-变形
import numpy as np x = np.array([1,2,3,4,5,6,7,8]) print(x.shape) #(8,) x.shape=[2, 4] print(x) # [[1 2 9 4] # [5 6 7 8]] (8,) [[1 2 3 4] [5 6 7 8]] # numpy.ndarray.flat 将数组转换为一维的迭代器，可以用for访问数组每一个元素。 x = np.array([[11, 12, 13, 14, 15], [
2022-05-06 09:23:08
170
原创 numpy_1数据类型及数组创建(阿里天池学习-笔记练习)
import torch as th th.__version__ '1.10.0' import numpy as np # numpy.nan 表示空值 print(np.nan == np.nan) # False print(np.nan != np.nan) # True False True x = np.array([1, 1, 8, np.nan, 10]) print(x) # [ 1. 1. 8. nan 10.] y = np.isnan(x) print(y)
2022-05-06 09:17:08
126
原创 数据分析-examination-1
数据集的处理、数据探索与清晰、数据分析、数据可视化四部分 1.数据处理 进行数据处理前，我们需要知道我们最终想要的数据是什么样的，因为我们是想分析候选人与捐赠人之间的关系，所以我们想要一张数据表中有捐赠人与候选人一一对应的关系，所以需要将目前的三张数据表进行一一关联，汇总到需要的数据 import pandas as pd import numpy as np import matplotlib.pyplot as plt 1.1 将委员会和候选人一一对应，通过CAND_ID关联两个表 由于候选人和委
2021-11-13 15:34:30
291
原创 python基础3
函数 函数的定义 函数以def关键词开头，后接函数名和圆括号()。 函数执行的代码以冒号起始，并且缩进。 return [表达式] 结束函数，选择性地返回一个值给调用方。不带表达式的return相当于返回None。 def functionname (parameters): "函数文档字符串" functionsuite return [expression] 函数的调用 def printme(str): print(str) printme(
2021-11-11 21:32:37
682
原创 python基础学习2
列表 ·简单数据类型 1.整型<class 'int'> 2.浮点型<class 'float'> 3.布尔型<class 'bool'> ·容器数据类型 1.列表<class 'list'> 2.元组<class 'tuple'> 3.字典<class 'dict'> 4.集合<class 'set'> 5.字符串<class 'str'> # 创建一个普通列表 x = ['Monday', 'Tuesda
2021-11-09 16:00:18
223
原创 python基础
Python基础知识学习 参考：链接: 阿里天池. # 这是一个注释 print("Hello world") Hello world ''' 这是多行注释，用三个单引号 这是多行注释，用三个单引号 这是多行注释，用三个单引号 ''' print("Hello china") """ 这是多行注释，用三个双引号 这是多行注释，用三个双引号 这是多行注释，用三个双引号 """ print("hello china") Hello china hello china print("hello p
2021-11-05 17:23:46
310
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人