python数据分析numpy库学习
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python数据分析numpy库学习,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2521字,纯文字阅读大概需要4分钟。
内容图文
![python数据分析numpy库学习](/upload/InfoBanner/zyjiaocheng/716/cc37a7dc628e4cb082dfdcff19d57b56.jpg)
import numpy as np def asum(a_list,b_list,n1=2,n2=3): a = np.array(a_list) b = np.array(b_list) c = pow(a,n1) + pow(b,n2) return c a_lst = [1,2,3,4] b_lst = [2,3,4,5] print(asum(a_lst,b_lst)) #np.array()生成数据对象ndarray a = np.array([[1,2,3,4],[1,2,3,4]]) print(type(a)) #<class 'numpy.ndarray'> print(a) print(a.ndim)#轴数 print(a.shape) #(2,4)2行4列 print(a.size) #总元素数 print(a.itemsize) #元素大小 print(a.dtype) #int32,元素类型 print(np.arange(10)) print(np.ones((3,3),dtype=np.float32)) #生成三行三列都是1的矩阵 print(np.ones([4,3],dtype=np.int32)) #同上4行3列,列表类型参数也行 print(np.zeros((2,3))) #两行三列0 print(np.full((3,3),6)) #3行3列都是6 print(np.eye(6)) #对角线是1,6行6列方形矩阵 #生成多维数组 print(np.ones((2,3,4),dtype=np.int32)) #模仿列表形状生成都为0的矩阵 print(np.zeros_like([[2,3,4,5],[3,4,5,6],[0,0,0,0]])) #模仿列表形状生成都为1的矩阵 print(np.ones_like([[2,3,4,5],[3,4,5,6],[0,0,0,0]])) #模仿列表形状生成都为10的矩阵 print(np.full_like([[2,3,4,5],[3,4,5,6],[0,0,0,0]],10)) #生成四个元素起点1终点10,平均分成三块 print(np.linspace(1,10,4)) #不包含10的四个元素,就需要将蛋糕分成四块 print(np.linspace(1,10,4,endpoint=False)) #将两个数组合并 a = np.linspace(1,10,4) b = np.linspace(1,10,4,endpoint=False) c = np.concatenate((a,b)) print(c) #[ 1. 4. 7. 10. 1. 3.25 5.5 7.75] #reshape a = np.ones((2,3,4),dtype=np.int32) print(a) c = a.reshape((3,8)) #不改变原数组 print(c) print(a) a.resize((3,8)) #改变原数组a print(a) #fatten降维数组 a.flatten() print(a) #没改变 d = a.flatten() #在新数组基础上修改的 print(d) #astype()数组元组类型转换 a = np.ones((2,3,4),dtype=np.int) print(a) b = a.astype(np.float) #复制新数据然后改变类型 print(b) #数据向列表转换.tolist() a = np.full((2,3,4),25,dtype = np.int32 ) print(a) print(a.tolist()) #在新数组基础上改变 print(a)#原数组不变 #数组切片 a = np.array([1,2,3,4,5,6]) print(a[2]) print(a[1:4:2]) #起始编号都不包含 a = np.arange(24) print(a) a.resize((3,2,4)) print(a) print(a[2,1,3]) #最外第3行,内部2行,里面第4个元素 print(a[-2,-1,-3]) print(a[:,1,-3]) print(a[:,1:2,:]) print(a[:,:,::2]) b = np.arange(48).reshape(3,4,4) print(b) #矩阵的平均值 print(a.mean()) print(np.arange(2).mean()) #0.5 #a除以平均值 a = a / a.mean() print(a) #一元函数,平方 a = np.arange(24).reshape(2,3,4) print(a) a = np.square(a) print(a) #平方根 a = np.arange(24).reshape(2,3,4) a = np.sqrt(a) print(a) #整数和小数部分剥离 print(np.modf(a)) #两个矩阵,第一个矩阵是小数部分,第二个矩阵是整数部分 #二元函数实例,两个矩阵 a = np.arange(24).reshape(2,3,4) b = np.sqrt(a) print(a) print(b) print(np.maximum(a,b)) #两个矩阵数据类型不同,取浮点型 print(a>b)
内容总结
以上是互联网集市为您收集整理的python数据分析numpy库学习全部内容,希望文章能够帮你解决python数据分析numpy库学习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。