l13kddd的博客

数组之逻辑运算可以直接对数组进行逻辑判断，会返回相应的bool类型数组t1 = np.random.randint(40, 100, (10, 5))print(t1)print(t1 > 60)t1[t1 > 60] = 1print(t1)通用判断函数np.all()#判断数组中的元素是否全大于60print(np.all(t1 > 60))np.any()#判断数组中的元素是否有大于60的print(np.any(t1 > 60

数组之形状修改ndarray.reshape(shape,order)-----返回新的数组返回一个具有相同数据域，但shape不一样的视图行、列不进行互换ndarray.resize(new_shape)修改数组本身的形状（需要保持元素个数前后相同)行、列不进行互换ndarray.T数组的转置将数组的行、列进行互换数组之类型修改ndarray.astype(type)返回修改了类型之后的数组ndarray.tostring([order])或者nda

数组的创建：生成0和1的数组：np.ones(shape,dtype)np.ones_like(a,dtype)np.zeros(shape,dtype)np.zeros_like(a,dtype)从现有数组生成：np.array(object,dtype)--------深拷贝np.asarray(a,dtype)-------浅拷贝生成固定范围的数组：np.linspace(start,stop,num,endpoint)创建等差数组–指定数量参数：start：序

from matplotlib import pyplot as pltimport randomfrom pylab import mpl# 设置中文显示mpl.rcParams["font.sans-serif"] = ["SimHei"]mpl.rcParams["axes.unicode_minus"] = Falsex = range(60)y_shanghai = [random.uniform(15, 18) for i in x]y_beijing = [random.u

from matplotlib import pyplot as pltimport randomfrom pylab import mpl# 设置中文显示mpl.rcParams["font.sans-serif"] = ["SimHei"]mpl.rcParams["axes.unicode_minus"] = Falsex = range(60)y_shanghai = [random.uniform(15, 18) for i in x]y_beijing = [random.u

pandas学习numpy能够帮助我们处理数值，但是pandas除了处理数值之外（基于numpy），还能能帮助我们处理其他类型的数据。常用数据类型有：Series一维，带标签(索引)数组DataFrame二维，Series容器pandas之Series创建import pandas as pdt1 = pd.Series([1, 2, 31, 12, 3, 4])print(t1)print(type(t1))可以指定索引创建Seriest2 = pd.Ser

numpy学习什么是numpy?一个在Python中做科学计算的基础库，重在数值计算，也是大部分python科学计算库的基础库，多用于在大型、多维数组上执行数值运算。优点：快速方便科学计算的基础库利用numpy创建数组（矩阵）import randomimport numpy as np# 创建一个指定的一维数组t1 = np.array([1, 2, 3, ])print(t1)print(type(t1))t2 = np.array(range(10))print(

绘制散点图假设通过爬虫你获取到了北京2016年3，10月份每天白天的最高气温（分别位于列表a,b），那么此时如何寻找气温和随时间（天）变化的某种规律？y_3 = [11, 17, 16, 11, 12, 11, 12, 6, 6, 7, 8, 9, 12, 15, 14, 17, 18, 21, 16, 17, 20, 14, 15, 15, 15, 19, 21, 22, 22, 22, 23]y_10 = [26, 26, 28, 19, 21, 17, 16, 19, 18, 20, 20, 1

matplotlibmatplotlib：最流行的python底层绘图库，主要做数据可视化图表，名字取材于MATLAB，模仿MATLAB构建。优点：1.能将数据进行可视化，更直观的呈现。2.使数据更加客观、更具说服力。matplotlib基本要点每一个红色的点是坐标，把5个点的坐标连接成一条线，组成了一个折线图那么到底如何把它通过代码画出来呢？通过下面的小例子我们来看一下matplotlib该如何简单的使用假设一天中每隔两个小时（range(2,26,2)）的气温（℃）分别