利用python进行数据分析-04-numpy基础
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了利用python进行数据分析-04-numpy基础,小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含1754字,纯文字阅读大概需要3分钟。
内容图文
![利用python进行数据分析-04-numpy基础](/upload/InfoBanner/zyjiaocheng/1142/a8c34946f0d64577b670cb388e2cb32c.jpg)
1、线性代数
矩阵乘法 dot 函数
x= np.array([[1,2,3],[4,5,6]]) y=np.array([[6,23],[-1,7],[8,9]]) x Out[16]: array([[1, 2, 3], [4, 5, 6]]) y Out[17]: array([[ 6, 23], [-1, 7], [ 8, 9]]) x.dot(y) Out[18]: array([[ 28, 64], [ 67, 181]])
一个二维数组跟一个大小合适的一维数组的矩阵点积运算之后将会得到一个一维数组。
np.dot(x,np.ones(3))
Out[19]: array([ 6., 15.])
numpy.linalg
from numpy.linalg import inv,qr x = np.random.randn(5,5) mat = x.T.dot(x) inv(mat) Out[24]: array([[ 183.76974989, -623.36361091, -583.49826184, -235.16948917, -181.68152874], [ -623.36361091, 2121.59301898, 1985.26883645, 799.39704159, 619.72162247], [ -583.49826184, 1985.26883645, 1858.87861876, 747.67011221, 578.69498867], [ -235.16948917, 799.39704159, 747.67011221, 301.90295918, 233.89701649], [ -181.68152874, 619.72162247, 578.69498867, 233.89701649, 182.77441114]])
2、随机数生成
numpy.random模块对python的内置函数random进行了补充
如 : normal函数 可以生成 4*4的样本数组:
samples = np.random.normal(size = (4,4)) samples Out[11]: array([[-1.22102285, 2.08688133, 1.15874399, 0.14342708], [-0.29772372, 0.36137871, 0.60243437, -0.09287792], [-0.49263459, 0.69445334, 1.02035894, -1.18263174], [-0.07184985, -1.11834445, 0.89547984, 0.0585053 ]])
3、范例
随机漫步1000:
nsteps = 1000 draws = np.random.randint(0,2,size = nsteps) steps = np.where(draws>0,1,-1) walk = steps.cumsum() walk.min()
一次模拟多个多个随机漫步。
nwalk = 5000 nsteps =1000 nwalks =5000 draws = np.random.randint(0,2,size = (nwalks,nsteps)) steps = np.where(draws > 0 ,1,-1) walks = steps.cumsum(1) walks Out[28]: array([[ 1, 2, 1, ..., 16, 15, 16], [ -1, 0, -1, ..., 22, 21, 22], [ -1, 0, 1, ..., -36, -35, -36], ..., [ -1, 0, 1, ..., -16, -17, -18], [ 1, 0, 1, ..., 12, 11, 10], [ -1, 0, -1, ..., -8, -9, -8]], dtype=int32)
原文:http://www.cnblogs.com/groupe/p/4915062.html
内容总结
以上是互联网集市为您收集整理的利用python进行数据分析-04-numpy基础全部内容,希望文章能够帮你解决利用python进行数据分析-04-numpy基础所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。