-
常用操作2
查看全部 -
axis 维度
查看全部 -
some array
查看全部 -
ndarray
查看全部 -
print (np.vstack((list1,list2))) # Vertical 垂直，即纵向连接
print (np.hstack((list1,list2))) #Horizontal 水平，即横向连接
查看全部 -
np.fft.fft(array)#Frouier变换
np.corrcoef(list1, list2)#相关系数
np.poly1d(a, b, c)#一元线性方程ax+bx+c=0
查看全部 -
from numpy.linalg import *
inv(array)#逆矩阵
det(array)#行列式值
eig(array)#特征向量及特征值
solve(A, B)#求解AX=B
查看全部 -
np.arange(start, end[, step])#类似于range()
np.exp(array)
np.exp2(array)
np.sin(array)
两数组操作：
+、- 、* 、/ 、**
np.dot(array1, array2)
np.concatenate((array1, array2), axis=dim)#按维度连接
np.vstack(array1, array2)#竖直连接
np.hstack(array1, array2)#水平连接
np.split(array1, n)#等分成n份
查看全部 -
常用数组：zeros([m, n])、ones([m, n])、eye(m, n)
from np.random import *
rand(m, n)#返回m*n值
rand()#返回1个值
randint(min, max, n)#返回n个值
randn(m, n)#标准正态分布，返回m*n个值
choice(list)#返回一个值
beta(min, max, n)#Beta分布，返回n个值
查看全部 -
导入模块并简称import numpy as np
np.array(list, dtype=np.类型)
数据属性：shape、ndim、dtype、itemsize、size
查看全部 -
主要介绍六个模块：NumPy、SciPy、matplotlib、pandas、scikit-learn、keras
查看全部 -
keywords: 开源 数据计算扩展
functions: ndarray 多维操作 线性代数
查看全部 -
#Concat 拼接 pieces = [df[:3],df[-3:]] print(pd.concat(pieces))
查看全部 -
df = pd.DataFrame({"A":1,"B":pd.Timestamp("20170301"),"C":pd.Series(1,index=list(range(4）),dtype="float32","D":np.array([3]*4,dtype="float32"),"E":pd.Categorical(["police","student","teacher","doctor"])})查看全部 -
np.zeros([2, 4]) 全0数组 np.ones([3, 5]) 全1数组 np.random.rand(2, 4) 均匀分布随机数组 np.random.rand() 一个随机数 np.random.randint(1, 10, 5) 在1到10之间生成5个随机数 np.random.randn(2, 3) 标准正态随机数 np.random.choice([2, 3]) 数组中随机选择一个 np.random.beta(2, 3, 5) beta分布
查看全部
举报