-
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
-
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 Series & dataFrame 主要的数据结构 # 2 Basic & Select & Set 基本操作 # 3 Missing Data Processing 丢失值处理 # 4 Merge & Reshape 数据融合 形状定义 # 5 Time Series & Graph & Files 时间序列 图形绘制 文件操作查看全部
-
胶水特性:就是能集成c语言,提高运算速度 六个模块:numpy(数据结构基础)、scipy(强大的科学方法)、matplotlib(可视化)、pandas(基础数据分析套件)、scikit-learn(强大的 数据分析建模库)、keras(人工神经网络)、ai... python 科学计算工具:Anaconda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 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
-
#numpy的其他操作 print("FFT:") print (np.fft.fft(np.array([1,1,1,1,1,1,1,]))) 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
-
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
-
list = np.array([[[1, 2, 3, 4], [4, 5, 6, 7, ]], [[7, 8, 9, 10], [11, 12, 13, 14]], [[15, 16, 17, 18], [19, 20, 21, 22]] ]) print (list.sum(axis=0))# axis表示维度,sxis=0,表示最外层的元素相加 print (list.sum(axis=1))# 表示最外层减一层的元素相加 print (list.max(axis=0)) # 最外层元素中的最大元素值 print (list.min(axis=0)) # 最外层元素中的最小元素值 list1 = np.array([10, 20, 30, 40]) list2 = np.array(([4, 3, 2, 1])) print(list1 + list2) # 对两个list中的元素相加,ps:不是将一个数组中的元素放在另一个后面 print (list1-list2) # 对两个list中的元素相 print (list1**2) # 对两个list中的元素平方 print (list1/list2)# 对两个list中的元素相除 print (list1.reshape([2, 2])) print (list2.reshape([2, 2])) print (np.dot(list1.reshape([2, 2]), list2.reshape([2, 2]))) # 数组点乘 print(np.concatenate((list1,list2),axis = 0)) #将两个数组相连查看全部
-
ndim,shape
查看全部 -
现在就是要好好的记忆,
脑中要想清楚你要花什么图。
查看全部 -
大概看到他具体实现的一个头了
查看全部 -
常用操作的ing,
查看全部 -
原来在numpy中卡方分布,就是说概论上的很多的一些分布都可以在这上面找到呢
查看全部 -
个人觉得转换为两行三列反而比较慢,还不如直接用[]来判定呢
查看全部 -
numpy:数据结构基础 array
scipy: 强大的科学计算方法(矩阵分析、信号分析、数理分析。。。)
matplotlib: 丰富的可视化套件
pandas基础数据分析套件
scikit-learn :强大的数据分析建模库
keras:人工神经网络,基于不同的,深度识别网络。
Anaconda
查看全部
举报
0/150
提交
取消