python Matplotlib 笔记
墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
5.2w累计阅读
5.2w+平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
AI摘要
本文介绍了如何使用Python将数据从pandas DataFrame转换为numpy数组，再进一步转化为list格式。通过示例代码展示了具体操作步骤，适合进行数据预处理时使用。
我们可以先将我们的数据转化为np.array格式，然后再转化为list格式即可。
代码示例为：
import pandas as pd
import numpy as np
from pandas import DataFrame
# data_file 数据文件路径
data_file = '/Users/qiguan/Downloads/data.xlsx'
# 读取文件数据
data = pd.read_excel(data_file, index_col=None)
# 首先将pandas读取的数据转化为array
data_array = np.array(data)
# 然后转化为list形式
data_list =data_array.tolist()
原文地址：链接
仅供复习，侵权删。
【Unity Animation 2D】从零到一：骨骼绑定与IK动画实战指南
本文详细介绍了Unity中2D骨骼绑定与IK动画的实战流程，从角色素材准备、骨骼系统创建到权重绘制和IK设置，逐步指导开发者掌握2D动画制作技巧。通过反向动力学（IK）技术，实现更自然的角色动画效果，适用于游戏开发和动画制作。
Pandas把dataframe或series转换成list的方法
一、把dataframe转换为list 输入多维dataframe： df = pd.DataFrame({'a':[1,3,5,7,4,5,6,4,7,8,9], 'b':[3,5,6,2,4,6,7,8,7,8,9]}) 把a列的元素转换成list： 方法1 df['a'].values.tolist() # 方法2df['a'].tolist() 把a列中不重复的元素转换成list： df['a'].drop_duplicates().values.tolist() 输入一维datafram
redhawk-sc使用简介
数据完整性对结果的准确性有很大影响，所以一定要保证数据完整性，Redhawk-sc在跑完后，Report里有Data Integrity界面，在这个界面会看到设计数据和库文件的数据完整性，在相应的报告中会有没有覆盖到的数据情况，要对每一项仔细检查，保证输入数据没有问题。文件一般加密，用户唯一需要选择的是文件的corner。其中，cell lef除了常规的standard cell，还有如DTCD，BTSV和clamp等cell的lef，不可缺失，否则data integrity将不是100%。
【Python】数据框DataFrame和列表List相互转换
在使用一些别人封装好的库的时候，调用函数返回的结果便是DataFrame，这时如果要对内部数据做一些加工处理的话会很不方便。我们要需要将DataFrame还原成列表的形式来处理。
Win10/Win11共享打印机0x00000709终极修复指南：从注册表到LPD协议的全面解决方案
本文提供了Win10/Win11共享打印机0x00000709错误的终极修复指南，涵盖从注册表修改到LPD协议的全面解决方案。通过详细分析错误根源、基础修复四步法、高阶LPD协议方案及企业级深度修复策略，帮助用户彻底解决打印机共享问题，提升局域网打印效率。
《拉依达的嵌入式\驱动面试宝典》—C/CPP基础篇(二)
《拉依达的嵌入式\驱动面试宝典》 整合了所有我认为可能遇到的技术面试问题。所有问题及其答案均是我个人学习后查阅资料总结，每个回答都做了仔细的分析，在嵌入式及其驱动面试相关问题解析做到全网独一无二。学习或者转行到嵌入式、驱动开发领域学习的不二之选
如何将DataFrame的列转化为list
另外，要注意网上常见的df.values.tolist()的方法，本质上它是用df.values把df转为numpy.array的格式，然后再用numpy的tolist()方法。这里的逻辑在于，虽然C是一个DataFrame，但是当我们获取它的某一列的时候，此列的类型为series。即使对A做转置，也是一样的结果，根本原因在于DataFrame没有to_list()的方法。不经过numpy的处理，可以使用Series下的to_list()方法直接完成。
译码器Multisim电路仿真汇总——硬件工程师笔记
本文详细介绍了74LS139D和74LS138D两种TTL译码器的功能特点及应用。74LS139D是2线-4线译码器，具有低电平有效输出和使能控制功能，常用于地址译码和数据分配。74LS138D是3线-8线译码器，通过3位输入实现8路输出控制，广泛应用于微处理器系统。文中提供了两种芯片的引脚说明、真值表和典型应用电路，并附有硬件工程师笔试面试相关资源链接。这些基础知识对数字电路设计和硬件工程师面试准备具有重要参考价值。
Python读取Excel内容；将读取的数据转换为list类型便于切片处理；列表的操作方法；pandas处理DataFrame类型数据；pandas操作；Python几种取整的方法
Python读取Excel内容；将读取的数据转换为list类型便于切片处理；列表的操作方法；pandas处理DataFrame类型数据
【异常】安装hermes-agent时提示GnuTLS recv error (-110): The TLS connection was non-properly terminated.
Git克隆仓库时出现TLS连接异常报错的解决方案摘要： 当执行git clone命令时遇到"GnuTLS recv error (-110)"报错，通常由网络不稳定、缓冲区不足或证书验证问题导致。主要解决方案包括：1)增大Git HTTP缓冲区(git config --global http.postBuffer 524288000)；2)使用GitHub镜像站加速克隆；3)临时禁用SSL验证进行测试；4)检查并调整代理配置；5)改用SSH协议克隆。建议优先尝试增大缓冲区和镜像站方案，
18.EC实战 新建项目工程并配置各个引脚的工作方式（持续更新）
本博文介绍了从零开始新建EC工程及对各个引脚进行了工作模式的初始化配置
dataframe转换为list
二步骤将dataframe转换为list对象 1，将df对象转换为array对象 array = np.array(df) 2,将array转换为list list = array.tolist() 3,打印查看
efm32 入门.pdf
本PDF共计22页，介绍的是操作驱动API，下载与否自己斟酌。
pandas中list于dataframe的相互转化
Pandas将列表（List）转换为数据框（Dataframe） 原文链接地址：https://blog.youkuaiyun.com/claroja/article/details/64439735 Python中将列表转换成为数据框有两种情况：第一种是两个不同列表转换成一个数据框，第二种是一个包含不同子列表的列表转换成为数据框。 第一种：两个不同列表转换成为数据框 from pandas.c...
深度学习工具包 DeepLearningToolbox
深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[](https://bitdeli.com/free "Bitdeli Badge")
android 蓝牙通讯demo
android 下蓝牙通讯demo，实现了发现蓝牙，使能蓝牙，通过蓝牙发送消息。
用list列表以行方式创建DataFrame
用list列表以行方式创建DataFrame DataFrame默认会将一维list作为列处理，需要将一维list转为二维才能实现想要的效果。 a=[1,2,3,4,5] 直接pd.DataFrame(a)得到的是一个1列5行的df，正确方式是： pd.DataFrame([a]) ...
win10 跳过U8环境检测的IE WebControls.rar
win10 安装u8的时候 提示IE WebControls 不通过，这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后，重新检测通过。
Python中dataframe的to_list和to_list()差距
先新建一个dataframe数据框 df = pd.DataFrame({'a':[1,2,3], 'b':[3,4,5], 'c':[5,6,7]}) df 结果 然后看一下两者的区别 dataframe的to_list 1 df['b'] 结果 0 3 1 4 2 5 Name: b, dtype: int64 2 df['b'].to_list 结果 <bound method I
pandas转json去掉index索引
【代码】pandas转json去掉index索引。
pandas 两列的值转dict
1、把dataframe中的某两列变成一个key-value形式的dict 代码如下： import pandas as pd df = pd.DataFrame({'A': ['a', 'b', 'c'], 'B': [2, 7, 1], 'C': [100, 87, 96]}) # 形成以A为key,B为value的dict dc = df.set_index("A")["B"].to_dict() p...
Pandas DataFrame的6种创建方法
Pandas是Python的数据分析利器，DataFrame是Pandas进行数据分析的基本结构，可以把DataFrame视为一个二维数据表，每一行都表示一个数据记录。本文将介绍创建Pandas DataFrame的6种方法。 创建Pandas数据帧的六种方法如下： 创建空DataFrame 手工创建DataFrame 使用List创建DataFrame 使用Dict创建DataFrme 使用E...
Pandas将列表（List）转换为数据框（Dataframe）进阶篇
在寻找这个答案答案时在百度找了很长时间，发现全都是这样的例子： 怎样利用Pandas将List列表转换为Dataframe？ 这不是我想要的。 现在终于解决了自己的问题，所以在此分享。 问题很简单，就是List里包含了表头（列标签），如下图 百度了半天没有找到相应的例子，查到的都非常雷同的如????第一个分享，百度真是帮不了太多的忙，只好去请教高手，要知道命令时间上非常简单！ df2w = pd.DataFrame(df_data_list[1:],columns=df_data_list[0]) df2
DataFrame to list（pandas框架转列表）
可以+运行符可以extend，还可以insert(0,list)。(笔记模板由python脚本于2024年12月18日 23:37:41创建，本篇笔记适合熟悉pandas、list的coder翻阅)【学习的细节是欢悦的历程】Python官网Free：大咖免费“圣经”教程python 完全自学教程，不仅仅是基础那么简单……自学并不是什么神秘的东西，一个人一辈子自学的时间总是比在学校学习的时间长，没有老师的时候总是比有老师的时候多。——华罗庚HOT好文力荐pandas的list。
Pandas将列表（List）转换为数据框（Dataframe）
转载：https://blog.youkuaiyun.com/claroja/article/details/64439735Python中将列表转换成为数据框有两种情况：第一种是两个不同列表转换成一个数据框，第二种是一个包含不同子列表的列表转换成为数据框。第一种：两个不同列表转换成为数据框from pandas.core.frame import DataFrame a=[1,2,3,4] #列表a b...
python pandas 转list_pandas DataFrame数据转为list的方法
pandas DataFrame数据转为list的方法首先使用np.array()函数把DataFrame转化为np.ndarray()，再利用tolist()函数把np.ndarray()转为list，示例代码如下：# -*- coding:utf-8-*-import numpy as npimport pandas as pddata_x = pd.read_csv("E:/Tianchi/...
pandas将Excel的所有行转化为列表list
首先使用np.array()函数把DataFrame转化为np.ndarray()，再利用tolist()函数把np.ndarray()转为list，示例代码如下： import numpy as np import pandas as pd data_x = pd.read_csv("E:/Tianchi/result/features.csv",usecols=[2,3,4])#pd.da...
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
370
扫一扫
