php wordpress单本小说网站源码+采集,网络营销案例2022,seo流量排名软件,网站备案前置审批表格Python是一种非常流行的编程语言#xff0c;尤其在数据分析领域。Python拥有丰富的库和框架#xff0c;可以帮助你执行各种数据分析任务。Python常用的数据分析工具之一#xff1a;NumPy。
Numpy用于进行大规模数值和矩阵运算#xff0c;提供了多维数组对象和一系列操作这…Python是一种非常流行的编程语言尤其在数据分析领域。Python拥有丰富的库和框架可以帮助你执行各种数据分析任务。Python常用的数据分析工具之一NumPy。
Numpy用于进行大规模数值和矩阵运算提供了多维数组对象和一系列操作这些数组的函数。
numpy-base:
numpy-base是NumPy包的一个子集它提供了NumPy的核心功能。以下是一些numpy-base包含的功能
1多维数组对象(ndarray):NumPy的核心数据结构用于存储同质数据类型的元素。
2数组创建和操作:创建数组数组切片数组拼接等。
3数学函数:执行基本的数学运算如加减乘除三角函数等。
4索引和切片:提供灵活的索引和切片操作来访问和修改数组中的元素。
5数据类型:定义和使用不同的数据类型如整数浮点数等。
1.创建NumPy类型的数组
import numpy as np
#创建一维数组
d np.arange(15)
print(d)
#创建二维数组
d1 d1.reshape(3,5)
print(d1)
#创建三维数组
d2 np.arange(15).reshape(5,3)
print(d2)
创建数组的四种方式
import numpy as np
#方式1
data1 np.arange(15).reshape(5,3)
print(data1)
#方式2
#创建全0矩阵
print(np.zeros(10)) #一维数组
print(np.zeros((2,5))) #二维数组
print(np.zeros((2,3,4))) #三维数组
#方式3
#创建创建全1矩阵
print(np.ones(10)) #一维数组
print(np.ones((2,5))) #二维数组
print(np.ones((2,3,4))) #三维数组
#方式4
print(np.empty((1,2,3)))2.转换数据类型
import numpy as npdata np.array([1,2,3,4,5,6])
#输出数据类型类型为int。
print(data.dtype)#类型转换 将int转化为float
data np.array([1,2,3,4,5,6],dtypenp.float64)
#输出数据类型类型为float。
print(data.dtype)#类型转换 将float转化为int
data data.astype(np.int32)
#输出数据类型类型为int。
print(data.dtype)
3.索引与切片
索引和切片用于获取数组中部分的数据尤其是切片
1索引
一维数组
import numpy as npdata np.array([1,2,3,4,5,6])
print(data)
#获取数字4的值通过下标值指向要获取的数据下标值由0开始至无限大
print(data[3])
#负数从右侧向左侧数通常情况用于获取最后一个数[-2]为数组中的5
print(data[-2])
二维数组
import numpy as np#创建一个2行7列的二维数组
data np.arange(14).reshape(2,7)#输出结果为[[0 1 2 3 4 5 6] [7 8 9 10 11 12 13]]
print(data)#输出结果为第一行第五列数据为4
print(data[0,4])#输出结果为倒数第一行倒数第一列数据为13
print(data[-1,-1])#输出结果为倒数第一行倒数第一列和第一行倒数第一列数据为13,6
print(data[-1,-1],data[0,-1])
三维数组
import numpy as np#创建一个 [[[0 1 2 3 4] 的三维数组
# [5 6 7 8 9]
# [10 11 12 13 14]]
#
# [[15 16 17 18 19]
# [20 21 22 23 24]
# [25 26 27 28 29]]]
data np.arange(30).reshape(2,3,5)
print(data)#输出结果为15
print(data[1,0,0])#输出结果为1429
print(data[0,2,-1],data[-1,-1,-1])#同上两种不同写法
print(data[0][2][-1],data[-1][-1][-1])
2切片
一维数组
import numpy as npdata np.array([1,2,3,4,5,6])
#a~b,axb ,左闭右开#输出结果为[1,2,3]
print(data[0:3])#输出结果为[3,4,5,6]
print(data[2:])#输出结果为[1,2,3,4]
print(data[:4])#输出结果为[1,2,3,4]
print(data[:-2])
二维数组
import numpy as npdata np.arange(14).reshape(2,7)
print(data)
#参数1行参数
#参数2列参数#输出结果为[[7 8 9]]
print(data[1:,:3])#输出结果为[[3][10]]
print(data[:,3:4])#输出结果为[[10]]
print(data[1:,3:4])
三维数组
import numpy as npdata np.arange(30).reshape(2,3,5)
print(data)
print(data[0:1,:,0:2])
print(data[0:1,2:,0:2])
print(data[0:1,2:,:])
4.numpy数据运算
import numpy as npa np.random.random(10000)*10
b np.random.random(10000)*10
print(a)
print(b)
#算术运算
#加
print(ab)
print(np.add(a,b))
#减
print(a-b)
print(np.subtract(a,b))
#乘
print(a*b)
print(np.multiply(a,b))
#除
print(a/b)
print(np.divide(a,b))#数学运算
ang np.array([0,30,45,60,90,120,135,150,180])
rad np.sin(ang*np.pi/180)
print(rad)#统计运算
data np.array([1,2,3,4,5])
#求平均值
print(data.mean())
print(np.average(data))
# 配置权重
print(np.average(data,weightsnp.array([2,2,1,1,1])))
print(np.average(data,weightsnp.array([1,1,1,2,2])))
#求中位数
print(np.median(data))
#求方差
print(np.var(data))
#标准差
print(np.std(data))#聚合运算
#累加
print(np.sum(data))
#累乘
print(np.prod(data))
#求最大值
print(np.max(data))
#求最小值
print(np.min(data))data np.array([1,2,3,4,5])
#筛选排序
#输出选中数据的下标值
print(np.where(data3))
print(np.where(data1))
print(np.where(data3))
#排序
print(np.sort([5,3,7,9,1,4,2,3,6,8]))
print(np.sort([5,3,7,9,1,4,2,3,6,8])[::-1])
