文章目录
numpy.exp()
返回e的幂次方,e是一个常数为2.71828
举例:numpy.exp()
np.dot()
矩阵相乘
【要点】
1、前者的列数=后者的行数—>才能相乘
2、前者的行数、后者的列数–>结果矩阵
3、前者第一行,与后者所有列分别计算,得到结果第一行。
前者第二行,与后者所有列分别计算,得到结果第二行。
【计算示例】
计算过程:
np.linalg.inv()
矩阵求逆
【要点&例举】
1、矩阵的逆:等于伴随矩阵除以行列式
2、伴随矩阵:主交换,副变号
3、行列式:主相乘-副相乘
|A| = 1×4-2×3=-2
4、结果:
plt.scatter()
用于生成一个scatter散点图
【Python 中的 plt.scatter 函数详解】
plt.plot()
用于画图,可以绘制点和线
plt.plot() 函数详解(本站)
版权链接:plt.plot() 函数详解(知乎)
数组转换
1、将数据框中的值提取为一个二维数组
2、将二维数组转换为numpy数组
3、将数组转换为矩阵
import numpy as np
import pandas as pd
# 读取数据并存储在数据框中
df = pd.read_csv('data.csv')
# 将数据框中的值提取为一个二维数组
array = df.values
# 将二维数组转换为numpy数组
numpy_array = np.array(array)
# 可选地,调整数组形状
reshaped_array = numpy_array.reshape((m, n)) # m和n为矩阵的行数和列数
# 将数组转换为矩阵
matrix = np.mat(reshaped_array)
pd.concat()
数据连接
最简单常用的只需要记住:
1、只有两个数据集参数的时候,就是竖向连接:
res1 = pd.concat([df1,df2])
这时候就是没写 axis,因为默认 axis=0。
2、有 axis=1 的时候,就横向拼接:
res = pd.concat([df1,df2], axis=1)
更详细的请参阅:[Pandas] 数据连接pd.concat
pd.get_dummies()
独热编码(One-Hot Encoding)函数,将数据取值范围映射到(0到1)之间。
更详细的请参阅:pd.get_dummies()
(持续更新……)