gary101818的博客

有段时间没有使用notebook，今天突然想跑一跑代码，结果发现jupyter notebook打开后立刻闪退，并不会弹出浏览器内容，在这里记录一下解决方案。 找到配置文件 首先WIn+R打开cmd输入jupyter notebook --generate-config： 得到一个路径（jupyter的配置文件）， 修改配置文件 直接打开该配置文件 取消下图红色方框中第二行的注释，并为你的jupyter工程创建一个新的工作环境： 以我个人为例： 我创建的工作目录为"D:\Jupyter_projec

Pandas.DataFrame.loc loc允许的输入为： 单个标签，例如5 or 'a'（请注意，它5被解释为索引的标签，而不是沿着索引的整数位置）。 标签列表或数组，例如.['a', 'b', 'c'] 带有标签的切片对象，例如'a':'f'。 需要注意的是违背了普通的Python片，开始和停止都包括 与被切片的轴长度相同的布尔数组，例如.[True, False, True] 一个可对齐的布尔系列。键的索引将在屏蔽之前对齐。 一个可对齐的索引。返回选择的索引将作为输入。 1.获取值 im

1.Pandas的数据结构 Series Pandas Series 类似表格中的一个列（column），类似于一维数组，可以保存任何数据类型。 Series 由索引（index）和列组成，函数如下： pandas.Series( data, index, dtype, name, copy) 参数说明： data：一组数据(ndarray 类型)。 index：数据索引标签，如果不指定，默认从 0 开始。 dtype：数据类型，默认会自己判断。 name：设置名称。 copy：拷贝数据，默认为 Fal

目录Matplotlib基础绘图1.pyplot2.绘图标记marker参数fmt参数标记的大小和颜色3.绘图线轴标签和标题 Matplotlib基础绘图 1.pyplot 通过两个点绘制一条线 #通过两个点绘制一条线 x = np.array([0, 6]) #x坐标 y = np.array([0, 100]) #y坐标 plt.plot(x, y) plt.show() 以上实例中我们使用了 Pyplot 的 plot() 函数， plot() 函数是绘制二维图形的最基本函数。 plot() 用

Numpy基础知识体系 数组属性 创建数组 索引 广播 迭代数组 基础迭代 控制遍历顺序 修改元素中的值 使用外部循环 数组操作 修改数组形状 翻转数组 修改数组维度 连接数组 分割数组 元素的添加与删除 字符串函数 数学函数 算数函数 统计函数 Numpy排序、条件筛选函数 numpy.sort() numpy.argsort() Numpy字节交换 Numpy副本和视图 无复制 视图或浅拷贝 副本或深拷贝 Numpy矩阵库 matlib.empty() numpy.matlib.eye() numpy.

np.reshape() np.flatten() np.resize() np.tranpose() np.concatenate() np.stack() np.hstack() np.vstack() np.split() np.hsplit np.vsplit() np.appemd() np.delete() np.unique()

Numpy基础知识（一） 数组属性 NumPy 数组的维数称为秩（rank），秩就是轴的数量，即数组的维度。 在 NumPy中，每一个线性的数组称为是一个轴（axis），也就是维度（dimensions）。比如说，二维数组相当于是两个一维数组，其中第一个一维数组中每个元素又是一个一维数组。所以一维数组就是 NumPy 中的轴（axis），第一个轴相当于是底层数组，第二个轴是底层数组里的数组。而轴的数量——秩，就是数组的维数。 很多时候可以声明 axis。axis=0，表示沿着第 0 轴进行操作，即对每一列进

Numpy知识总结（linalg、三种乘法、argmax） np.linalg 1.np.linalg.det():矩阵求行列式 2.np.linalg.inv()：矩阵求逆 3.np.linalg.norm():求范数 norm(x, ord=None, axis=None, keepdims=False) axis=1表示按行向量处理，求多个行向量的范数 axis=0表示按列向量处理，求多个列向量的范数 axis=None表示矩阵范数。 keepdims：是否保持矩阵的二维特性，True表示保持矩阵的二