import Numpy as np
ar=np.array([[1,3,5,7,9],[2,4,6,8,10]]) # Numpy.array中必须是数组
print(ar,type(ar)) # type方法输出np实例对象类型
print(ar.ndim) # ndim属性np实例对象的维度(一维,二维等)
python做大数据分析、print(ar.shape) # shape属性打印NP属性的行列数量
print(ar.size) # size属性打印NP属性的数据的个数
print(type(ar),ar.dtype) # dtype属性打印np内存储数据类型
# np 数组的创建方法
ar2 = np.array(range(10))
python数据分析入门?print(ar2)
ar2=np.arange(10)
print(ar2)
ar3=np.arange(5,10)
print(ar3)
python 分析数据,# 返回5.0-12.0,步长为2\n",
ar4 = np.arange(5,12,2)
print(ar4)
ar4= np.arange(10000)
print(ar4)
python sys模块。# 创建数组:linspace():返回在间隔[开始,停止]上计算的num个均匀间隔的样本
# numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)\n",
# start:起始值,stop:结束值\n",
# num:生成样本数,默认为50\n",
# endpoint:如果为真,则停止是最后一个样本。否则,不包括在内。默认值为True。\n",
python常用模块?# retstep:如果为真,返回(样本,步骤),其中步长是样本之间的间距 → 输出为一个包含2个元素的元祖,第一个元素为array,第二个为步长实际值"
ar5= np.linspace(1,21,20,endpoint=False,retstep=True,dtype=int)
print(ar5)
# 创建数组:zeros()/zeros_like()/ones()/ones_like()\n
# numpy.zeros(shape, dtype=float, order='C'):返回给定形状和类型的新数组,用零填充。\n",
python模块导入。# shape:数组纬度,二维以上需要用(),且输入参数为整数\n",
# dtype:数据类型,默认numpy.float64\n",
# order:是否在存储器中以C或Fortran连续(按行或列方式)存储多维数据。\n",
ar6=np.zeros(10)
print(ar6)
python数据处理模块。ar6= np.zeros((5,10),dtype=int)
print(ar6)
ar7= np.array([['a','b','c'],[1,2,3]])
ar8=np.zeros_like(ar7)
print(ar8)
python数据分析包、ar9= np.ones(10)
print(ar9)
ar9=np.ones_like(ar7)
print(ar9)
#创建一个正方的N*N的单位矩阵,对角线值为1,其余为0"
python分析数据可以分析什么,ar10= np.eye(10)
print(ar10)
#%%
arr1=np.arange(5,19)
print(arr1)
python怎么做数据分析?arr2= arr1.T
print(arr1,arr2)
arr1 = np.array([[1,2,3,4,5],['a','b','c','d','e']])
print(arr1)
print(arr1.T)
python数据分析5个案例。print(arr1)
arr2 = np.arange(10)
print(arr2.reshape(2,5))
print("--------------")
print(arr2)
python模块大全。#print(arr2.resize(3,4))
print(arr2)
print("--------------")
print(np.resize(arr2,(3,4)))
print(arr2)
python数据分析模型,print("-------------------")
arr4= np.array([1,2,3,4],dtype=float)
arr5= arr4.astype(np.str)
print(arr4,arr5)
arr6 = np.array([[1,2,3,4,5],[2,3,4,5,6],[2,4,6,8,0]])
python数据分析库,arr7=arr6*10+100
print(arr7)
print(arr7.max())
print(arr7.mean())
print(arr7.sum())
print(np.sum(arr7,axis=0)) # 按列求和
print(np.sum(arr7,axis=1)) # 按行求和
#%%
#序列索引
arr1 = np.arange(12).reshape(3,4)
print(arr1)
print("------------------------")
print(arr1[1][2]) # 行列都是从零开始计数
print("------------------------")
print(arr1[1:3]) #左闭右开结构
print("------------------------")
print(arr1[1,3]) # 从0开始选择第1行,第3列的数据
print("------------------------")
print(arr1[1:3,1:3]) # 选择从1开始的2行,从1开始的2列
print("------------------------")
print(arr1[arr1>5]) # boole切片
#%%
# 随机数
#生成一个[0,1)之间的随机浮点数或N维浮点数组 —— 均匀分布
arr1 = np.random.rand(10)
print(arr1)
print(np.random.rand(2,3))
import matplotlib.pyplot as plt
#plt.scatter(np.random.rand(500),np.random.rand(500))
#plt.show()
#生成一个浮点数或N维浮点数组 —— 正态分布
arr2= np.random.randn(10)
print(arr2)
plt.scatter(np.random.randn(1000),np.random.randn(1000))
plt.show()
# numpy.random.randint(low, high=None, size=None, dtype='l'):生成一个整数或N维整数数组
# 若high不为None时,取[low,high)之间随机整数,否则取值[0,low)之间随机整数,且high必须大于low
# dtype参数:只能是int类型
arr3=np.random.randint(1,100,size=20,dtype=int)
print(arr3)
plt.scatter(np.random.normal(),np.random.normal())
plt.show()
版权声明:本站所有资料均为网友推荐收集整理而来,仅供学习和研究交流使用。
工作时间:8:00-18:00
客服电话
电子邮件
admin@qq.com
扫码二维码
获取最新动态