-
shape看结构,ndim看维度,dtype看数据类型,itemsize看元素字节大小,size看数组元素个数
查看全部 -
#python27
from numpy.linalg import *
a=np.array(([1,2,3],
[3,4,5],[5,6,8]))
print det(a)
print eig(a)
b = np.array([[6],[12],[20]])
print solve(a, b)
查看全部 -
*numpy数组： numpy.zeros（〔〕），numpy.ones（〔〕） 生成随机数： numpy.random.rand（shape）生成0-1之间的随机数 numpy.random.randint（起始数，结束数，n） 生成起始数～结束数之间n个随机数 numpy.random.randn（shape） 生成正态分布的随机数 numpy.random.choice（〔〕），从〔〕中规定的数中随机挑选生成随机数 numpy.random.beta （起始数，结束数，n）生成满足beta（也可为其他分布）的随机数查看全部
-
numpy 官网 定义新的数据结构 np_lst=numpy.ndarray（list，dtype=） 该数据结构的属性： np_lst.shape/ndim/dtype/itemsize（每个元素占用字节）/size查看全部
-
numpy 数据结构基础查看全部
-
plt.fill_between(x.np.abs(x)<0.5,c,c>0.5,color="green",alphn=0.5
查看全部 -
python数据分析工具2
查看全部 -
python数据分析工具1
查看全部 -
数据分析模块
查看全部 -
#numpy的其他操作 print("FFT:") print (np.fft.fft(np.array([1,1,1,1,1,1,1,]))) #阶跃响应 print (np.corrcoef([1, 0, 1],[0, 2, 1])) # 皮尔逊相关系数计算 print (np.poly1d([3,1,3])) # 生成一元多次函数
查看全部 -
应该是对于二维矩阵而言, sum函数里面的axis是指定行或者列. axis=0的话是按列求和, axis=1是按行求和 如果没有axis参数的话就是全部元素求和 更高维度的矩阵的话axis可以看成指定的是维度 #常用array操作 list = (np.arange(1, 11)) #产生一个1-11（不含11）的等差数列 list = (np.arange(1, 11)).reshape([2, 5]) # 变成两行五列数组 print (np.exp(list)) # list 的自然指数 print (np.exp2(list)) # list 的自然指数的平方 print (np.sqrt(list)) # list 的开方 print (np.square(list)) # list 的平方 print (np.sin(list)) # list 的正弦值 print (np.log(list)) # list 的对数值 print (np.vstack((list1,list2))) #将两个数组分成两行组成一个数组也就是以行连接，注意传的是个tuple print (np.hstack((list1,list2))) #将两个数组相连组成一个一维数组，传的是tup print (np.split(list1,n)) #将数组 list1 切分成n个子数组 print (np.copy(list1)) #对数组进行拷贝
查看全部 -
np.array 用来创建一个numpy数组。 np.shape 显示np数组属性 np.ndim 表示数组维度 np.dtype表示数组元素类型（如：int8，in16,float64等） np.itemsize表示数组元素所占字节大小，如float64占字节8位 np.size表示数组元素个数
查看全部 -
print (np.zeros([2, 4]))#输出元素都为0的2行4列数组 print (np.ones([3, 5]))#输出元素都为1 的2行4列数组 print ("Rand:") print (np.random.rand(2, 4))#输出2行4列的随机数组，且都是均匀分布的 print (np.random.rand())#生成一个随机数 print (np.random.randint(1, 14, 5))#在1到14之间生成5个随机数 print (np.random.randn(2, 4))#输出2行4列标准正态分布随机数 print np.random.choice([10.20, 41])#在列表中的数随机选取一个 print (np.random.beta(1,10, 100))#生成一个1-10共100个beta数组
查看全部 -
numpy
功能：ndarray 多维操作
查看全部 -
数据分析的含义与目标
查看全部
举报