【WY】数据分析 — Numpy 阶段一 ：基础语法 一 —— 介绍

最新推荐文章于 2025-07-30 22:30:00 发布
最新推荐文章于 2025-07-30 22:30:00 发布
阅读量696 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： 【二】数据分析 文章标签： 数据分析 python 数据挖掘
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/InitialHeart2021/article/details/121361286
本文介绍了Numpy作为Python的科学计算包，是高级数值编程工具。内容涵盖Numpy的基础语法，包括其主要特点。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

版权声明：本文为博主原创文章，未经博主允许不得转载。

文章目录

一、介绍

Numpy ：Python 开源的科学计算包，高级的数值编程工具

二、特点

强大的 N 维数组对象：ndarray

对数组结构数据进行运算：不用遍历循环

随机数、线性代数、傅里叶变换等功能
版权声明：本文为博主原创文章，未经博主允许不得转载。
【WY】数据分析 — Numpy 阶段一 ：基础语法 五 —— 随机数
InitialHeart2021的博客
11-16 269
版权声明：本文为博主原创文章，未经博主允许不得转载。 文章目录一、XX 一、XX 版权声明：本文为博主原创文章，未经博主允许不得转载。
【WY】数据分析 — Numpy 阶段一 ：基础语法 三 —— 通用函数
InitialHeart2021的博客
11-16 316
版权声明：本文为博主原创文章，未经博主允许不得转载。 文章目录一、XX 一、XX 版权声明：本文为博主原创文章，未经博主允许不得转载。
Numpy统计计算
jjwan123的博客
11-27 1238
计算最小值 numpy.amin(a[, axis=None, out=None, keepdims=np._NoValue, initial=np._NoValue, where=np._NoValue])，即返回数组的最小值或沿轴的最小值 我们发现当，axis= 0和 axis=1时，是沿着轴进行操作。 计算最大值 numpy.amax(a[, axis=None, out=None, keepdims=np._NoValue, initial=np._NoValue, where=np._NoVal
2020-11-26
weixin_43868001的博客
11-26 181
numpy2 统计相关 次序统计 计算最小值 numpy.amin(a[, axis=None, out=None, keepdims=np._NoValue, initial=np._NoValue, where=np._NoValue])Return the minimum of an array or minimum along an axis. 计算最大值 numpy.amax(a[, axis=None, out=None, keepdims=np._NoValue, initial=np._No
数据分析手册-numpy数组(3)--高级通用函数的进一步探索与聚合的讲解
ChadWick的博客
11-29 397
绝对值 ​ 正如numpy能够理解python内置的运算操作，numpy同样也可以理解python内置的绝对值函数**：直接对数组使用abs()操作即可** ​ 对应的numpy通用函数是np.absolute，该函数也可以用np.abs-别名来访问 同样地，这个通用函数也可以用于处理复数。当处理复数时，绝对值返回的是该元素的模（magnitude). 三角函数 numpy提供了很多好用的通用函数，其中对于数据科学家来说最有用的...
Python 数据分析基础包：Numpy
weixin_34033624的博客
06-07 229
2019独角兽企业重金招聘Python工程师标准>>> ...
numpy——基础篇
热门推荐
Dis_illusion's Blog
11-07 2万+
文章目录简介基础操作创建加、减、乘、除、 简介 NumPy是Python中科学计算的基础包。它是一个Python库，提供多维数组对象，各种派生对象（如掩码数组和矩阵），以及用于数组快速操作的各种API，有包括数学、逻辑、形状操作、排序、选择、输入输出、离散傅立叶变换、基本线性代数，基本统计运算和随机模拟等等。 为什么要用numpy？ 如果我们希望两个列表对应项相加，则我们需要这样做，这样的代码是冗...
【WY】数据分析 — Numpy 阶段一 ：基础语法 四 —— 索引及切片
InitialHeart2021的博客
11-16 181
版权声明：本文为博主原创文章，未经博主允许不得转载。 文章目录一、XX 一、XX 版权声明：本文为博主原创文章，未经博主允许不得转载。
【WY】数据分析 — Numpy 阶段一 ：基础语法 六 —— 数据读取与存储
InitialHeart2021的博客
11-16 126
版权声明：本文为博主原创文章，未经博主允许不得转载。 文章目录一、XX 一、XX 版权声明：本文为博主原创文章，未经博主允许不得转载。
numpy基础
chise_
12-05 465
numpy基础 1、数组 1)用np.ndarray类的对象表示n维数组 实际数据：数组中元素 元数据：描述数组中的元素 将实际数据与元数据分开存放，一方面提高了内存空间的使用效率，另一方面减少对实际数据的访问频率，提高性能 2)Numpy数组是同质数组，即所有元素的数据类型必须相同，类似c语言的数组 3)Numpy数组的下标从0开始，最后一个元素的下标为数组长度减1 4)np.nda...
Numpy(3)
qq_41379824的博客
11-06 352
Numpy(3) 一、总体与个体的方差 注意： 为什么会有方差之后还有标准差，因为为了数据统一，或者说是单位一致。 二、 一些函数 1.randn randn(d0, d1, …, dn) 用于创建标准的正态分布的数组 标准的正太分布式（0,1）分布，无偏差，非常完美的正太分布。 d0,d1…表示数组的维度 arr=np.random.randn(5) arr array([ 0.428...
Numpy总结
zt2494653702的博客
10-08 427
numpy使用方法总结 一 模块导入 import numpy as pd 二 N维数组（ndarray) 2.1 ndarray的属性 # 创建二位数组 x = np.array([[1,2,3],[3,4,5],[6,7,8]]) # 数组x的形状 x.shape # (3,3) # 数组的大小 x.size # 9 # 数组的维数 x.ndim # 2 # 数组的元素长度 x.itemsize # 8个字节 # 数组元素类型 x.dtype
观远 ChatBI 完成 DeepSeek-R1 大模型适配：开启智能数据分析跃升新篇
讯闻博录
07-30 693
作为基于大语言模型（LLM）打造的智能数据问答产品，观远 ChatBI 不仅支持国际主流大模型（如 GPT 系列），更深度对接国内头部大模型厂商，构建起覆盖全场景的技术底座。观远 ChatBI与 DeepSeek-R1 的深度融合，以 “低门槛、高精度、全场景” 为核心，从根本上解决传统 BI 的灵活性不足与使用门槛高的问题，推动企业数据决策进入新范式。观远数据期待与更多伙伴携手，通过观远 ChatBI与DeepSeek-R1等先进技术的融合，解锁智能数据分析的无限潜力，推动企业数智化运营升级。
Power Pivot 数据分析表达式（DAX）
随便写写
07-30 537
DAX表达式是PowerPivot特有的数据分析函数集，包含200多个函数，语法类似Excel但功能更强大。本文通过实战案例讲解了DAX的核心应用：使用SWITCH函数转换数值描述、RELATED函数跨表关联字段、以及CALCULATE与FILTER函数的嵌套使用来计算高赢单率低风险商机金额占比。重点包括：表名用单引号、字段名用中括号的引用规范；通过建立表关系实现高效数据关联；利用筛选器函数构建复杂业务指标。这些方法相比Excel传统函数在大数据处理中具有显著性能优势，适合在数据透视表中实现高级分析需求。
Python 数据分析（四）：Pandas 进阶
weixin_66348343的博客
07-27 515
Pandas数据处理与可视化
Datawhale AI数据分析 作业3
weixin_44811994的博客
07-26 267
比特币市场作为全球首个且最知名的加密货币市场，以其高度的波动性、全球化的交易网络以及去中心化的特性而著称。自2009年比特币诞生以来，在市场情绪、政策变化、技术进步等多重因素共同作用下，它经历了频繁的大幅价格波动，这些波动不仅体现了投资者对比特币价值的认知变化，同时也映射出全球经济环境和技术发展的脉络。这种“疯狂”的市场行为提供了一个极佳的实验场，可以帮助我们更深入地理解金融市场中的风险管理和投资策略。
用Python+MySQL实战解锁企业财务数据分析
weixin_47139678的博客
07-30 736
📊 Python+MySQL实现企业财务智能分析系统 摘要： 本文介绍了一个基于Python和MySQL的财务数据分析系统，通过自动化流程实现企业财务数据的深度挖掘。系统包含五大核心模块：数据库连接、数据清洗、指标计算、可视化分析和报告生成。采用SQLAlchemy进行高效数据库连接，运用IQR方法进行异常值检测，自动计算12项核心财务指标，并通过六维可视化图表展示分析结果。系统能够输出包含财务摘要、健康评估、趋势分析和风险提示的专业报告，显著提升了财务分析效率和准确性，为企业决策提供数据支持。技术亮点包
数据分析师进阶——95页零售相关数据分析【附全文阅读】
最新发布
cdfunlove的博客
07-30 173
本文为零售行业从业者提供实用的数据分析方法，重点适用于服装销售领域。通过"店铺20问"引导运营思考，详细讲解销售业绩公式、关键指标（进店率、成交率等）及指标分解方法。内容包括同比/环比数据分析、畅销/滞销款对策，以及督导需关注的12项业绩评估指标，帮助从业者科学决策、提升销售业绩。
数据赋能（358）——数据分析——可解释性原则
lh1793的专栏
07-30 220
某医疗科技公司开发了一款基于人工智能的诊断辅助系统，为了确保系统的可信度和广泛应用，该公司注重分析结果的可解释性。当医生使用该系统进行诊断时，系统能够清晰地展示诊断依据和推理过程，使医生能够理解并信任系统的诊断结果，从而促进了该系统在临床实践中的应用。企业应选择具有可解释性的数据分析算法和模型，或在现有算法基础上进行改进，提高结果的可解释性。可解释性原则：数据分析的结果需要具有可解释性，即能够清晰地解释分析过程、方法和结果，有助于他人理解和验证分析结果的可靠性，并促进跨部门的沟通和合作。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

InitialHeart2021

你的鼓励是我最大的动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值