为了账号安全,请及时绑定邮箱和手机立即绑定

Python数据分析-基础技术篇

难度初级
时长 2小时42分
学习人数
综合评分8.40
77人评价 查看评价
9.0 内容实用
8.1 简洁易懂
8.1 逻辑清晰
  • #常用array操作 list = (np.arange(1, 11)).reshape([2, 5]) #1 输出1-10两行五列数组 print (np.exp(list)) # list 的自然指数 print (np.exp2(list)) # list自然指数的平方 print (np.sqrt(list)) # list的开方 print (np.vstack((list1,list2))) #将两个数组分成两行组成一个数组 print (np.hstack((list1,list2))) #将两个数组相连 print (np.split(list1,2)) #将数组切分成几个子数组 print (np.copy(list1)) #对数组进行拷贝
    查看全部
    0 采集 收起 来源:numpy常用操作

    2017-07-26

  • #有这样一个数组 lst=numpy.array([[[1,2,3,4],[4,5,6,7]], [[7,8,9,10],[10,11,12,13]], [[14,15,16,17],[18,19,20,21]] ]) #这是个3维,arr[3][2][4]数组 help(lst.sum): Help on built-in function sum: sum(...) a.sum(axis=None, dtype=None, out=None, keepdims=False) Return the sum of the array elements over the given axis. Refer to `numpy.sum` for full documentation. See Also -------- numpy.sum : equivalent function #求和: print(lst.sum()) #结果为252 #如果用了axis这个参数(axis最大值为维数-1) 若axis为0: 则sum结果是 [[22 25 28 31] [32 35 38 41]] 即对lst第一维数组坐标不同,其他维坐标相同的值求和。生成除去了第一维的数组(这里结果是arr[2,4]) 若axis为1: sum结果是: [[ 5 7 9 11] [17 19 21 23] [32 34 36 38]] 是arr[3][4]数组,明显,第二维去掉了,arr[3][4]这个结果数组中,每个数是之前的第二维作为变量求得的和 若axis为2: sum为: [[10 22] [34 46] [62 78]] numpy.array生成的数组的max,min方法也有axis这个参数,且也有这个属性。
    查看全部
    0 采集 收起 来源:numpy常用操作

    2017-07-26

  • 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 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))#输出正态分布随机数 print np.random.choice([10.20, 41])#在所给的数中随机选取一个数 print (np.random.beta(1,10, 100))#生成一个beta数组
    查看全部
    1 采集 收起 来源:numpy常用Array

    2018-03-22

  • numpy:数据结构基础 matplotlib:图表
    查看全部
    0 采集 收起 来源:概述

    2017-07-26

  • from keras.models import Sequential from keras.layers import Dense, Activation from keras.optimizers import SGD from sklearn.cross_validation import train_test_split def main(): pass if __name__=="__main__": main()
    查看全部
  • import numpy as np from scipy.integrate import quad,dblqual quad(lambda x:np.exp(-x),0,np.inf)
    查看全部
    0 采集 收起 来源:scipy积分

    2017-07-23

  • 配置文件包括以下配置项: axex: 设置坐标轴边界和表面的颜色、坐标刻度值大小和网格的显示 backend: 设置目标暑促TkAgg和GTKAgg figure: 控制dpi、边界颜色、图形大小、和子区( subplot)设置 font: 字体集(font family)、字体大小和样式设置 grid: 设置网格颜色和线性 legend: 设置图例和其中的文本的显示 line: 设置线条(颜色、线型、宽度等)和标记 patch: 是填充2D空间的图形对象,如多边形和圆。控制线宽、颜色和抗锯齿设置等。 savefig: 可以对保存的图形进行单独设置。例如,设置渲染的文件的背景为白色。 verbose: 设置matplotlib在执行期间信息输出,如silent、helpful、debug和debug-annoying。 xticks和yticks: 为x,y轴的主刻度和次刻度设置颜色、大小、方向,以及标签大小。
    查看全部
  • 官网的下载速度特别慢 可以用清华镜像
    查看全部
  • 老师讲得太好了 老师是学什么的?
    查看全部
    1 采集 收起 来源:scipy学习

    2017-07-20

  • det() //行列式值 inv() //转置 solve() //解方程 eig() //特征值 lu() Lu分解 qr() qr分解 svd() svd分解 schur() schur分解
    查看全部
  • 分析数据家族2
    查看全部
    0 采集 收起 来源:概述

    2017-07-18

  • 分析数据家族1
    查看全部
    0 采集 收起 来源:概述

    2017-07-18

  • 12121
    查看全部
  • 人工神经网络
    查看全部
  • np.array的属性 shape 多少行,多少列 ndim 维度 dtype 数值类型 size 元素个数
    查看全部
    1 采集 收起 来源:ndarray

    2017-07-17

举报

0/150
提交
取消
课程须知
需要对python语法和基本数据结构有所了解,对数据分析感兴趣!
老师告诉你能学到什么?
1、数据分析的一般步骤 2、numpy简介与基本使用 3、matplotlib简介与基本使用 4、scipy简介与基本使用 5、pandas简介与基本使用 6、机器学习的一般概念 7、scikit-learn的简介、使用示例与学习方法 8、keras的简介与一般用法

微信扫码,参与3人拼团

意见反馈 帮助中心 APP下载
官方微信
友情提示:

您好,此课程属于迁移课程,您已购买该课程,无需重复购买,感谢您对慕课网的支持!