Numpy
2024-09-26 14:29:16
一 : 安装ipython以及用到的包介绍
# 这里我们会用到ipython解释器,本文代码在ipython下运行 Pip3 install ipython Pip3 install jupyter Jupyter notebook Pandas 是我们数据分析的核心包 pandas相当于是表数据 Series相当于表数据的一列 Dropna() : 过滤掉为nan的行 iloc 是下标 df[0,1] # 两个都是下标 Loc 是标签 df.loc[df.index[0], 'close'] # 两个都是标签 #例子中是知道一个索引,将索引变成标签 多维: - Df.dropna(how='all') 删除单列全是nan的 - Df.dropna(axis=1) #x=1找行 , x=1找列
二: 关于numpy
import numpy as np # astype In [7]: arr = np.array([1.2,2.3,3.4]) arr.astype('int') arr arr1 = arr.astype('int') arr1 Out[7]: array([1, 2, 3]) In [ ]: # eye 矩阵 In [12]: np.eye(6) Out[12]: array([[ 1., 0., 0., 0., 0., 0.], [ 0., 1., 0., 0., 0., 0.], [ 0., 0., 1., 0., 0., 0.], [ 0., 0., 0., 1., 0., 0.], [ 0., 0., 0., 0., 1., 0.], [ 0., 0., 0., 0., 0., 1.]]) In [14]: import random l = [random.randint(1,10) for i in range(0,20)] l Out[14]: [2, 6, 3, 5, 1, 5, 7, 5, 10, 7, 2, 7, 4, 8, 2, 2, 3, 1, 5, 2] In [17]: arr = np.array(l) arr Out[17]: array([ 2, 6, 3, 5, 1, 5, 7, 5, 10, 7, 2, 7, 4, 8, 2, 2, 3, 1, 5, 2]) In [18]: list(filter(lambda x:x>5,l)) Out[18]: [6, 7, 10, 7, 7, 8] In [19]: arr.T Out[19]: array([ 2, 6, 3, 5, 1, 5, 7, 5, 10, 7, 2, 7, 4, 8, 2, 2, 3, 1, 5, 2]) In [20]: arr.size Out[20]: 20 In [21]: arr.ndim Out[21]: 1 In [30]: arr=np.array([1.2,2.3,3.8,5,6]) arr Out[30]: array([ 1.2, 2.3, 3.8, 5. , 6. ]) In [31]: arr.astype('int') Out[31]: array([1, 2, 3, 5, 6]) In [34]: # 花式索引 arr = np.array(l) arr Out[34]: array([ 2, 6, 3, 5, 1, 5, 7, 5, 10, 7, 2, 7, 4, 8, 2, 2, 3, 1, 5, 2]) In [36]: # 花式索引 arr[[1,3,5,7,9]] Out[36]: array([6, 5, 5, 5, 7]) In [37]: # 花式索引 arr[np.arange(0,arr.size,2)] Out[37]: array([ 2, 3, 1, 7, 10, 2, 4, 2, 3, 5]) In [45]: ''' ceil : 向上取整 3.1-->4 -3.1 --> -3 floor : 向下取整 取小 3.1-->3 3.9-->3 rint(round) : 四舍五入 3.6--> 4 3.1-->3 找最近的数 trunc(int) : 向零取整(舍去小数点后) modf : 将整数和小数分开 maximun 相同位置取最大 minimum 相反 ''' arr = np.arange(10) arr.sum() arr.mean() # 平均数 arr.cumsum() # 前缀和 Out[45]: array([ 0, 1, 3, 6, 10, 15, 21, 28, 36, 45]) In [43]: # var : 方差, 表示这组输的离散程度 arr.var() 数越小越集中 Out[43]: 8.25 In [44]: # std : 标准差 arr.std() Out[44]: 2.8722813232690143 # uniform : 对应randint 小数 # np.random.rand() 0到1 的随机小数 In [47]: l = [1,2,3,4,5] random.shuffle(l) # 洗牌 l Out[47]: [5, 3, 4, 1, 2] np.random.randint(-10,10,5) # -10到10之间的随机整数 拿5个 In [*]: np.random.randint(-10,10,(3,5)) # -10到10之间的随机整数 拿5个
最新文章
- Dapper简明教程
- MVC5 + EF6 + Bootstrap3 (8) HtmlHelper用法大全(上)
- BZOJ 3925 ZJOI2015 地震后的幻想乡
- 将requirejs进行到底(2)
- android生成二维码
- 设计模式(十四):Command命令模式 -- 行为型模式
- excel 下载
- Xah Lee Web 李杀网
- vb.net 总结
- 628. Maximum Product of Three Numbers
- 网络知识之http请求
- Confluence 6 代理和 HTTPS 设置连接器
- go https ajax
- IIS发布静态页面配置
- WinForm下窗体权限设计
- (转)深入sql server中的事务
- node.js遇到的问题
- 12:打印1到最大的n位数
- C#SendMessage用法
- 动态添加select的option [转载]
热门文章
- HDU 5504 GT and sequence 模拟
- zzuli 1816: 矩形 排序思维
- ThinkPHP 5 中AJAX跨域请求头设置方法
- HTML,CSS学习笔记
- CSS中line-height与vertical-align
- Spring3.0官网文档学习笔记(二)
- 查询linux版本命令
- 自学Zabbix3.6.4-触发器triggers dependencies依赖关系
- MPSOC之9——host、embeded间tftp、nfs、ftp环境搭建
- 为什么在有的服务器上禅道、蝉知安装会报错? 之理解MySQL的SQL_MODE