大数据最新【数模之数据分析-2】_数模 数据分析

+ - [相关程序运行如下：](#_243)
+ [6-随机构造一个3\*3矩阵，并打印其中最大与最小值](#633_336)
+ [7-构造一个5\*5的矩阵，令其值都为1，并在最外层加上一圈0](#75510_344)
+ [8-构造一个shape为(6, 7, 8)的矩阵，并找到第100个元素的索引值](#8shape6_7_8100_356)
+ [9-对一个5\*5的矩阵做归一化操作](#955_363)
+ [10-找到两个数组中相同的值](#10_373)
+ - [相关程序运行如下：](#_383)
+ [11-得到昨天、今天、明天的](#11_616)
+ [12-得到一个月中所有的天](#12_627)
+ [13-得到一个数的整数部分](#13_634)
+ [14-构造一个数组，让它不能被改变--只读](#14_643)
+ [15-打印大数据的部分值](#15_652)
+ - [相关程序运行如下：](#_659)
+ [16-找到一个数组中，最接近一个数的索引](#16_686)
+ [17-32位float类型和32位int类型转换](#1732float32int_697)
+ [18-打印数组元素位置坐标与数值](#18_707)
+ [19-按照数组的某一列进行排序](#19_716)
+ [20-统计数组中每个数值出现的次数](#20_724)
+ - [相关程序运行如下：](#_730)
+ [21-如何对一个四维数组的最后两维求和](#21_761)
+ [22-交换矩阵中的两行](#22_769)
+ [23-找到一个数组中最常出现的数字](#23_777)
+ [24-快速查找TOP K](#24TOP_K_784)
+ [25-去除掉一个数组中所有元素都相同的数据](#25_793)
+ - [相关程序运行如下：](#_806)
+ [怎么改变自己的形象](#_879)
+ - [1、不要老是笑，特别是尴尬的赔笑](#1_880)
	- [2、说话自然一点，不要油腔滑调，语气平和稳重，语速不紧不慢。](#2_881)
	- [3、大大方方拒绝别人，理由简短。过多的解释反而让你称为错误的异方，记住，拒绝别人不是你的错。](#3_882)
	- [4、不要主动帮助别人。如果别人没主动请求你，不要主动提供帮助。帮上了它不会感激，帮不上反而会成为背锅的一方。](#4_883)
	- [5、不要拿自己的糗事逗别人开心，不要说贬低自己抬高别人的话。说话宁可保守也不要夸奖，否则也是适得其反，过犹不及。](#5_884)
	- [6、和别人在一起时，让别人找话题，不要非把自己当成活跃气氛的那一个。](#6_885)
	- [7、小动作不要太多，容易体现出自己的不自信，行为举止要正常放松。](#7_886)
	- [8、不要做别人情绪的垃圾桶，别人向你抱怨时请保持安静。记住，你不用讨好任何一个人。](#8_887)
	- [9、比起被人喜欢，你的尊严和你的原则更加重要。他们是你作为一个独立完整的人格的验证，不容侵犯。](#9_888)
	- [10、学会拒绝，做好自己分内的事，责任分工要明确。](#10_889)
+ [每日一言：](#_895)
+ - [持续更新中...](#_903)

---

个人昵称：lxw-pro
个人主页：欢迎关注 我的主页
个人感悟： “失败乃成功之母”，这是不变的道理，在失败中总结，在失败中成长，才能成为IT界的一代宗师。

import numpy as np		# 导入Numpy库

四则运算:

x = np.array([3, 5])
y = np.array([6, 2])

# 列相乘
xc = np.multiply(x, y)
print(xc)

# 列乘后相加
qxc = np.dot(x, y)
print(qxc)

print(x.shape)
print(y.shape)


# 一维与二维相乘
x = np.array([2, 3, 4])
y = np.array([
    [1, 2, 3],
    [2, 3, 4]
])
print(x * y)

# 辨别x和y2是否一样
y2 = np.array([2, 4, 9])
print(x == y2)

# 与
yy = np.logical_and(x, y2)
print(yy)

# 或
hh = np.logical_or(x, y2)
print(hh)

# 非
ff = np.logical_not(x, y2)
print(ff)

相关程序运行如下：

[18 10]
28
(2,)
(2,)
[[ 2  6 12]
 [ 4  9 16]]
[ True False False]
[ True  True  True]
[ True  True  True]
[0 0 0]

---

print()

随机模块：

sj = np.random.rand(2, 6)               # 所有的值都是0从1
print(sj)

yx = np.random.randint(8, size=(5, 3))  # 返回的是随机的整数，左闭右开
print(yx)

# 随机数
s = np.random.rand()
print(s)

# 随机样本
yb = np.random.random_sample()
print(yb)

# 区间内的随机数
qjs = np.random.randint(0, 10, 6)
print(qjs)

# 高斯分布
mu, sigma = 0, 0.1
fb = np.random. normal(mu, sigma, 8)
print(fb)

# 指定精度
zd = np.set_printoptions(precision=3)
print(fb)


# 洗牌
xps = np.arange(10)
np.random.shuffle(xps)
print(xps)

# 随机的种子
np.random.seed(100)
mu, sigma = 0, 0.1
z = np.random.normal(mu, sigma, 8)
print(z)

相关程序运行如下：

[[0.63334441 0.85097104 0.59019264 0.310542   0.90493224 0.64755