
numpy
胖虎卖汤圆
上海科技大学硕士
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
numpy基础操作(四)
一、线性代数 函数 描述 diag 返回对角线元素,或者将一个一维数组转换成一方阵,并且非对角线上为0 dot 或 @ 矩阵点乘 trace 计算对角线元素和 det 计算矩阵列式 eig 计算方阵的本征值和本征向量 inv 计算方阵的逆 pinv 计算方阵的Moore-Penrose伪逆 qr 计算qr分解 svd 计算奇异值分解svd sol...原创 2020-01-24 11:28:37 · 294 阅读 · 0 评论 -
numpy基础操作(三)
一、数学和统计方法 许多关于计算整个数组统计值或关于轴向数据的数学函数,可以作为数组类型的方法被调用,比如sum、mean和std,既可以直接调用数组实例的方法,也可以使用顶层的numpy函数。这里生成了一些正态分布的随机数,并计算了部分聚合统计数据: import numpy as np arr = np.random.randn(5, 4) arr array([[ 0.54234154...原创 2020-01-24 11:27:33 · 364 阅读 · 0 评论 -
numpy基础操作(二)
一、数组转置和换轴 转置是一种特殊的数据重组形式,可以返回底层数据的视图而不需要复制任何内容。数组拥有transpose方法,也有特殊的T属性: import numpy as np arr = np.arange(15).reshape((3, 5)) arr array([[ 0, 1, 2, 3, 4], [ 5, 6, 7, 8, 9], ...原创 2020-01-24 11:27:11 · 449 阅读 · 0 评论 -
numpy基础操作(一)
一、生成ndarray 1. 最简单的方法就是使用array函数。array函数接收任何的序列型对象(当然也包括其他的数组),生成一个新的包含传递数组的numpy数组。例如: import numpy as np data1 = [6, 7.5, 8, 0, 1] arr1 = np.array(data1) arr1 array([ 6. , 7.5, 8. , 0. , 1...原创 2020-01-22 16:30:21 · 758 阅读 · 0 评论 -
numpy简介
一、numpy在数据分析的应用: 在数据处理、清洗、构造子集、过滤、变换以及其他计算中进行快速的向量化计算 常见的数组算法,比如sort、unique以及set操作等 高效的描述性统计和聚合、概述数据 数据排列和相关数据操作,例如对异构数据进行merge和join 使用数组表达式来表明条件逻辑,代替if-elif-else条件分支的循环。 分组数据的操作(聚合,变换以及函数式操作) 二、num...原创 2020-01-22 16:29:53 · 495 阅读 · 0 评论