pandas numpy学习笔记

最新推荐文章于 2025-12-22 21:09:22 发布
原创 最新推荐文章于 2025-12-22 21:09:22 发布 · 760 阅读 · 0 ·
CC 4.0 BY-SA版权
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。
文章标签：

#学习 #python #机器学习

本文总结了Python中数据结构如DataFrame、List等之间的转换方法，介绍了PyCharm的断点调试技巧，展示了如何通过numpy生成随机数及使用OpenCV将视频流转化为图像的技术要点。

1、dataframe、array、serise、list之间的相互转换

(14条消息) 【串讲总结】array, list, tensor，Dataframe，Series之间互相转换总结_AI蜗牛车的博客-优快云博客_list转为series想对dataframe里的数值进行处理，要先把dataframe的格式转化为list格式，才好操作

2、pycharm的打断点调试

(14条消息) 【工具使用】Pycharm中如何进行断点调试？_月满星沉的博客-优快云博客_pycharm断点怎么用

3、对列表的切片，取其中的某行或某列

 (14条消息) data[:,0] data[1,:]的含义_Sophia要一直努力的博客-优快云博客_data[:]

4、数据结构的问题 

遭遇的问题：想要替换list中的部分元素，却一直没办法将类型匹配

原因：从excle中导出的表格储存成dataframe格式，但是dataframe是有列标签和行号的，此时将dataframe直接转化为list，就会出现二维的列表，这是个嵌套列表

 列表中还有列表，相当于之前dataframe的每一个元素都在一个列表中。因为把dataframe读成列表是一行一行的读取，每一行在list中是一个列表，最终形成一个长列表。

5、利用numpy取随机数

 使用numpy产生随机数 - ColdCode - 博客园 (cnblogs.com)

6 、利用opencv将视频流转化为图像


python 用opencv接口把视频逐帧转化为图片 - 云+社区 - 腾讯云 (tencent.com)

opencv-python视频转图片和图片转视频 - 简书 (jianshu.com)

有没有什么方法可以把一段视频的画面转成图片？ - 知乎 (zhihu.com)

Rootzzy1216
关注
pandas,numpy笔记.docx
03-07
pandas 和 numpy 笔记 在数据科学和机器学习中，pandas 和 numpy 是两种非常重要的库，它们提供了强大的数据处理和分析功能。下面是对 pandas 和 numpy 的一些重要知识点的总结。 数据导入 pandas 提供了多种方式...
精选资源
numpy与pandas学习笔记
01-20
#导入numpy库 import numpy as np （1）创建矩阵： a=np.array([ [1,2,3], [2,3,4], [4,5,6]],dtype=np.int64) 函数 说明 np.ones((3,4)) 全是1的矩阵 np.zeros((3,4)) 全是0的矩阵 np.empty((3,4)) ...
numpy和pandas学习总结1（莫烦python视频）
Wknight1994的博客
03-13 1395
使用numpy和pandas的原因： numpy和pandas是python中最常用的数据处理模块，在进行机器学习时不可少。numpy和pandas都是用C语言编写的，并且使用矩阵进行计算，计算速度快，消耗计算内存小。 numpy的主要属性： ndim：维度 shape：行数和列数 size：元素个数 numpy导入： import numpy as np 创建数组： a=n...
numpy与pandas使用总结
爱学习的宝宝兔崽儿呢٩(๑❛ᴗ❛๑)۶
04-28 362
numpy与pandas使用总结，不断更新中。。。。
Numpy&Pandas学习笔记
weixin_41243949的博客
05-08 690
numpy中文网：https://www.numpy.org.cn/about/ 安装：pip install numpy /pip3 install pandas（Python3） NumPy是使用Python进行科学计算的基础包。它包含如下的内容： NumPy包的核心是 ndarray 对象。它封装了python原生的同数据类型的 n 维数组，为了保证其性能优良，其中有许多操作都是代码在本地进行编译后执行的。 复杂的（广播）功能。/ 矢量化 用于集成C / C ++和Fortran代码的工具。
Pandas、Numpy学习笔记（一）
xiyangyuhui0211的博客
10-24 231
"""小白自学笔记，参考价值有限，欢迎大神指正~~~~""" numpy是以矩阵为基础的数学计算模块，提供高性能的矩阵运算，数组结构为ndarray。 pandas是基于numpy数组构建的，但二者最大的不同是pandas是专门为处理表格和混杂数据设计的，比较契合统计分析中的表结构，而numpy更适合处理统一的数值数组数据。pandas数组结构有一维Series和二维DataFrame。 Series是一种类似于一维数组的对象，它由一组数据以及一组与之相关的数据标签（索引index）组成。 # 利
Python数据处理pandas、numpy等第三方库函数笔记（持续更新）
分享人工智能学习心得与实践经验，探讨应用场景，见证变革与进步
09-11 1710
说明因为在平时学习中，对于pandas、numpy等python库的一些函数用法时常忘记，特在此做个汇总与整理，便于下次查找~numpy nonzero(a) ：返回非零的数组下标 举例： >>x = np.array([[1,0,0], [0,2,0], [1,1,0]]) >>x array([[1, 0, 0], [0, 2, 0], [1, 1,
pandas入门学习笔记
YL010325的博客
07-22 1195
pandas主要是Python语言的一个扩展程序库,提供了高效、灵活、易用的数据结构，专门用于数据操作和分析。Pandas的主要功能包括：数据清洗：处理缺失数据、重复数据、异常值等。数据选择和过滤：通过标签或位置选择数据子集。数据操作：合并、连接、重塑和透视数据。数据分组和聚合：按照某些标准分组数据，并进行聚合计算。时间序列分析：支持时间索引和时间序列数据的处理。数据输入和输出：读取和写入多种数据格式，如CSV文件、Excel表格、数据库等。
pandas numpy python_Python之Numpy与Pandas学习笔记
weixin_33436866的博客
01-28 280
在数据分析领域中，Numpy、Pandas与matplotlibz这三个包用的比较多。其中，numpy通常用于数学计算，比如线性代数中的矩阵运算，在机器学习中非常有用。Pandas是基于numpy的数据分析工具，该工具是为了解决数据分析任务而创建的，它提供的DataFrame数据框可以方便地对表格数据进行分析。而matplotlibz是图形绘制库，专门用于数据分析结果的可视化。今天，主要学习Num...
numpy和pandas学习记录
Roseannepcy的博客
07-02 984
下面是一些常用的 Pandas 操作和技巧。矢量化：利用NumPy的内建函数（如np.sum(), np.mean()等）来避免使用Python的for循环，从而提升效率。还有很多很多内容尚未展示，只展示了个人认为重要的部分，有不足之处还望见谅，也可以留下你宝贵意见，这对我真的很重要！np.exp(arr)、np.log(arr)、np.sqrt(arr)：对数组元素进行指数、对数、平方根运算。逐元素操作：np.add(arr1, arr2), np.multiply(arr1, arr2)
Numpy matplotlib pandas学习笔记
hai博客
11-03 772
N维数组对象ndarray，包含实际的数据、描述这些数据的元数据（数据维度、类型等）。由一组数据及与之相关的数据索引组成，可由列表、标量、字典、ndarray创建等 ，对Series的操作类似ndarray类型的操作。： 计算数组f中元素的梯度（连续值之间的变化率，即斜率），当f为多维时，返回每个维度梯度；如，XY坐标轴连续三个X坐标对应的Y轴值：a，b，c，其中b的梯度为：(c-a)/2。列表与数组的区别：列表中的数据数据类型可以不一样，数组的各个数据类型一样。
精选资源
基于Gitee的numpy与pandas库jupyter学习笔记源码分享
02-13
本项目是一项涵盖了大量文件和多种数据格式的学习资源，旨在分享通过Jupyter Notebook平台进行Python编程的学习经验，特别是围绕numpy和pandas这两个库的学习笔记和实例代码。在项目中，源码被整理成多种文件格式，...
精选资源
numpy+pandas+matplotlib+gis学习笔记.zip
05-02
这篇学习笔记将深入探讨这些库的功能、用法以及如何结合使用。 首先，Numpy（Numerical Python）是Python中的基础科学计算库，提供了高效的多维数组对象`ndarray`，支持大量的数学运算。通过Numpy，我们可以快速...
Javaweb 学习笔记——html+css
hssfscv的博客
12-18 922
以上是Javaweb中关于前端html和css的相关内容，主要制作了两个页面，了解了如何使用AI生成我们需要的内容，有利于了解前端知识，接下来将进行剩余前端知识的学习
【学习笔记】安全模型
最新发布
tpriwwq的专栏
12-22 448
安全模型是指描述安全重要方面（机密性，完整性等）及其与系统行为的关系（允许/拒绝访问、加密/解密数据等）的框架。
CAPL学习-AVB交互层-媒体函数1-回调&基本函数
车载网络测试工程师的博客
12-21 803
可基于对象（如 MediaGetMediaType 返回的媒体类型对象）检索属性。可基于对象（如 MediaGetMediaType 返回的媒体类型对象）设置属性。可基于对象（如 MediaGetMediaType 返回的媒体类型对象）设置属性。可基于对象（如 MediaGetMediaType 返回的媒体类型对象）检索属性。可基于对象（如 MediaGetMediaType 返回的媒体类型对象）设置属性。可基于对象（如 MediaGetMediaType 返回的媒体类型对象）检索属性。
Java 学习路线及学习周期
前端金牌摸鱼达人
12-17 1663
Java 学习路线及学习周期
Ape.Volo项目源码学习（4：限流设置）
gc_2299的博客
12-20 323
学习并记录项目中接口限流的用法。
使用 Python 语言 从 0 到 1 搭建完整 Web UI自动化测试学习系列 34--基础知识 9--文件上传功能
我的xiaodoujiao，软件测试人员
12-21 727
Web UI自动化测试学习系列第三十四篇
Numpy，Pandas，Matplotlib笔记
12-03
以下是关于Numpy、Pandas、Matplotlib的学习笔记： ### Numpy Numpy能够处理数值，可使用其中的函数创建数组，如 `arange`、`ones`、`zeros` 等。具体函数说明如下： - `np.arange(n)`：类似Python的 `range` 函数，返回元素为 0~n - 1 的 `ndarray` 函数，默认类型整数。 - `np.ones(shape)`：根据 `shape` 生成一个全 1 的数组，`shape` 为元祖类型，默认类型浮点数。 - `np.zeros(shape)`：根据 `shape` 生成一个全 0 的数组，`shape` 为元祖类型，默认类型浮点数。 - `np.full(shape, val)`：根据 `shape` 生成一个全为 `val` 的数组。 - `np.eye(n)`：创建一个 n*n 的单位矩阵，对角线全 1，其余全 0 ，默认类型浮点数。 - `np.ones_like(a)`：根据 `a` 的形状生成一个全 1 的数组。 - `np.zeros_like(a)`：根据 `a` 的形状生成一个全 0 的数组。 - `np.full_like(a, val)`：根据 `a` 的形状生成一个全为 `val` 的数组。 - `np.linspace()`：根据起止数据，等间距地填充数据，形成数组，默认为浮点数。 - `np.concatenate()`：将两个或多个数组合并生成一个新的数组。 示例代码： ```python import numpy as np # 使用 arange 函数 arr1 = np.arange(5) # [0 1 2 3 4] # 使用 ones 函数 arr2 = np.ones((2, 3)) # [[1. 1. 1.] # [1. 1. 1.]] # 使用 linspace 函数 b = np.linspace(1, 10, 4) # [ 1. 4. 7. 10.] c = np.linspace(1, 10, 4, endpoint=False) # [1. 3.25 5.5 7.75] # 使用 concatenate 函数 combined = np.concatenate([b, c]) # [ 1. 4. 7. 10. 1. 3.25 5.5 7.75] ``` 在数组索引方面，一维数组和二维数组有不同的索引方式。以一维数组为例： ```python arr1 = np.arange(2, 10) # [2 3 4 5 6 7 8 9] print(arr1[3]) # 5 print(arr1[3:-1]) # [5 6 7 8] print(arr1[:6]) # [2 3 4 5 6 7] print(arr1[-2:]) # [8 9] ``` 异常数据处理可以使用 `np.clip` 函数，例如 `np.clip(sample, 0, 10)` 可将元素 < 0 变成 0，> 10 变成 10 [^3][^5]。 ### Pandas Pandas除了处理数值之外（基于Numpy），还能处理其它类型的数据。Pandas的常用数据类型有 `Series` 和 `DataFrame`。 - `Series`：一维，带标签数组。创建示例： ```python import pandas as pd t = pd.Series([1, 23, 445, 342, 324, 6], index=list("abcdef")) print(t) ``` - `DataFrame`：是表格型的数据结构，包含有一组有序的列，每列可以是不同的值类型，既有行索引也有列索引。常用属性有 `values`、`index`、`columns`、`dtypes` [^1][^2][^4]。 ### Matplotlib 文档中未提及Matplotlib相关的学习笔记内容。
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
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