数据分析
予愚爱
这个作者很懒,什么都没留下…
展开
-
一、Numpy-11.数学统计方法
""" 基础数组统计方法: 方法 描述 ---------------------------------------------- np.sum() 沿着轴向计算所有元素的累和,0长度的数组,累和为0 np.mean() 算数平均值,0长度的数组平均值为NaN np.std() 标准差 np.var() .原创 2021-12-07 14:18:59 · 95 阅读 · 0 评论 -
一、Numpy-10.条件逻辑操作数组
""" np.where函数是三元表达式 x if condition else y的向量化版本 np.where(condition,result_1,result_2)"""import numpy as nparr_1 = np.arange(32).reshape((4, 8))print(np.where(arr_1 > 5, 4, 8)) # 数组中,小于5的全替换成4,大于5的全替换成8"""[[8 8 8 8 8 8 4 4] [4 4 4 4 4.原创 2021-12-07 14:18:27 · 179 阅读 · 0 评论 -
一、Numpy-8.通用函数
""" 通用函数: 即ufunc,是一种在ndarray数据中进行逐元素操作的函数 某些简单函数接收一个或多个标量数值,并产生一个或多个标量结果,而通用函数就是对这些简单函数的向量化封装 一元通用函数: 函数名 描述 ------------------------------------------------------- np.abs(ar.原创 2021-12-07 14:17:40 · 139 阅读 · 0 评论 -
一、Numpy-7.数组的转置与换轴
""" 转置是一种特殊的数据重组形式,可以返回底层数据的视图而不需要复制任何内容。 数组拥有transpose方法,也有特殊的T属性"""import numpy as nparr_1 = np.arange(32).reshape((4, 8))print(arr_1)print(arr_1.T)# 对于更高维度的数组,transpose方法可以接收包含轴编号的元组,用于置换轴arr_2 = np.arange(36).reshape((2, 3, 6))print.原创 2021-12-07 14:17:09 · 267 阅读 · 0 评论 -
一、Numpy-6.神奇索引
""" 神奇索引是Numpy中的术语,用于描述使用整数数组进行数据索引"""import numpy as nparr = np.empty((8, 4))for i in range(8): arr[i] = iprint(arr)# 可以简单的通过一个包含指明所需顺序的列表或数组来选出符合特定顺序的子集print(arr[[4, 3, 0, 6]])# 如果使用负的索引,将从尾部进行选择print(arr[[-3, -5, -7]])# 传递多个索引数组时情况不.原创 2021-12-07 14:16:06 · 338 阅读 · 0 评论 -
一、Numpy-5.索引和切片
""" 索引: 1.一维数组的索引和Python的列表的功能差不多 2.对于高维数组,各索引位置上的元素不再是标量,而是相应的n维数组 获取其中的元素可以使用【以逗号隔开的索引列表】来选取"""import numpy as nparr_1 = np.array([[1, 2, 3, 4], [5, 6, 7, 8]])print(arr_1)print(arr_1[0]) # [1 2 3 4]print(arr_1[0, 1].原创 2021-12-07 14:15:32 · 90 阅读 · 0 评论 -
一、Numpy-4.数组的运算
""" 矢量化:ndarray(数组)很重要,可以使你不用编写循环就可以对数据执行批量运算 大小相等的数组之间的任何算术运算都会将运算应用到元素级 大小相同的数组之间的比较会生成布尔值数组 不同大小的数组之间的运算叫做广播,后续会涉及到"""import numpy as nparr_1 = np.array([1, 2, 3, 4])print(arr_1) # [1 2 3 4]print(arr_1 + arr_1) # [2 4 6 8]pri.原创 2021-12-07 14:14:56 · 553 阅读 · 0 评论 -
一、Numpy-3.数组的数据类型
""" dtype(数据类型)是一个特殊的对象,它含有ndarray将一块内存解释为特定数据类型所需的信息 dtype是Numpy灵活交互其他系统的源泉之一。 多数情况下,它们直接映射到相应的机器表示,这使得"读写磁盘上的二进制数据流"以及"集成低级语言代码"等工作变得更加简单。 数值型dtype的命名方式相同:一个类型名(如float或int),后面跟一个用于表示各元素位长的数字。 标准的双精度浮点值(即Python中的float对象)需要占用8字节(即64位.原创 2021-12-07 14:13:50 · 1417 阅读 · 0 评论 -
一、Numpy-2.创建数组
""" Numpy最重要的一个特点就是其N维数组对象(即ndarray),该对象是一个快速而灵活的大数据集容器。 可以利用这种数组对整块数据执行一些数学运算,其语法跟标量元素之间的运算一样"""import numpy as npdata = np.random.randn(2, 3)print(data)print(data * 10)print(data + data)""" ndarray是一个通用的同构数据多维容器,也就是说,其中的所有元素必须使相同类型.原创 2021-12-07 14:12:28 · 558 阅读 · 0 评论 -
一、Numpy-1.概念
""" Numpy是Python数值计算最重要的基础包。大多数提供科学计算的包都是用numpy的数组作为构建基础 Numpy的部分功能如下: 1.ndarray:一个具有矢量算术运算和复杂广播能力的快速且节省空间的多维数组 2.用于对整组数据进行快速运算的标准数学函数(无需编写循环) 3.用于读写磁盘数据的工具以及用于操作内存映射文件的工具 4.线性代数、随机数生成以及傅里叶变换功能 5.用于集成由C、C++.原创 2021-12-07 14:11:12 · 122 阅读 · 0 评论