【机器学习】numpy+pandas刷题

本文深入探讨了numpy和pandas在机器学习中的应用,包括创建二维数组、矩阵运算、数据处理、随机数操作、数据清洗、DataFrame的索引修改、缺失值处理、数据对齐和多值替换等关键操作。通过实例解析,帮助读者掌握这两个库在实际问题解决中的技巧。
摘要由CSDN通过智能技术生成

numpy

*8:*创建二维等差数组:np.arange(6).reshape(2, 3)
9: 创建单位矩阵(二维数组):np.eye(3)
21:矩阵乘法运算np.mat(A) * np.mat(B)
52:使用数字 0 将一个全为 1 的 5x5 二维数组包围:

  Z = np.ones((5, 5))
Z = np.pad(Z, pad_width=1, mode='constant', constant_values=0)
Z

59: 使用五种不同的方法去提取一个随机数组的整数部分:

Z = np.random.uniform(0, 10, 10)
print("原始值: ", Z)

print("方法 1: ", Z - Z % 1)
print("方法 2: ", np.floor(Z))
print("方法 3: ", np.ceil(Z)-1)
print("方法 4: ", Z.astype(int))
print("方法 5: ", np.trunc(Z))

63:创建一个长度为 5 的一维数组,并将其中最大值替换成 0:

Z = np.random.random(5)
print("原数组: ", Z)
a
a=np.random.random(5)
print(a)
a[a.argmax()]=0
a
  1. 从随机一维数组中找出距离给定数值(0.5)最近的数:
Z = np.random.uniform(0, 1, 20)
print("随机数组: \n", Z)
z = 0.5
m = Z.flat[np.abs(Z - z).argmin()]

m
  1. 找出随机一维数组中出现频率最高的值:
Z = np.random.randint(0, 10, 50)
print("随机一维数组:", Z)
np.bincount(Z).argmax()
随机一维数组: [0 8 
  • 2
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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