Buevara的博客

import mathdef scale(x): if x > 2: x = int(math.log(float(x))**2) return xdata_value['I5']=data_value['I5'].apply(scale)原始数据data_value.head(10)进行函数变换后：data_value.head(10)

转载自：https://www.it1352.com/1689965.htmlimport numpy as npimport pandas as pdarr = np.array( [[1,0,1,1,1,5], [0,0,0,0,1,3], [1,0,0,0,1,1], [1,0,0,1,1,1], [1,0,0,0,1,1], [1,1,0,0,1,1]] )df = pd.DataFrame( np.repeat(

转载自： https://www.cnblogs.com/LiuXinyu12378/p/12390055.html方法一： np.random.shuffle （无返回值，直接打乱原列表）train = np.array([1,2,3,4,5])label = np.array([0,1,2,3,4])state = np.random.get_state()np.random.shuffle(train)np.random.set_state(state)np.random.shuf

原文链接：https://blog.youkuaiyun.com/lanchunhui/article/details/50354978numpy的ravel() 和 flatten()函数简介首先声明两者所要实现的功能是一致的（将多维数组降位一维）。这点从两个单词的意也可以看出来，ravel(散开，解开)，flatten（变平）。两者的区别在于返回拷贝（copy）还是返回视图（view），numpy.flatten()返回一份拷贝，对拷贝所做的修改不会影响（reflects）原始矩阵，而numpy.ravel(