Python与数据科学实战课程——第二章numpy：数组创建和访问

最新推荐文章于 2021-04-22 18:25:42 发布
原创 最新推荐文章于 2021-04-22 18:25:42 发布 · 832 阅读 · 1 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#大数据 #python

本文介绍了Python中使用numpy库创建和访问数组的方法，包括一维和二维数组的创建，以及如何访问数组元素。内容涵盖多种创建数组的方式，如直接赋值、使用特定函数等，并详细讲解了一维和二维数组的元素访问技巧。

数组的创建和访问

import numpy as np

第一种创建数组的方法

创建一维数组
# create from python list
list_1 = [1,2,3,4]
list_1

[1, 2, 3, 4]

array_1 = np.array(list_1)
array_1

array([1, 2, 3, 4])

创建二维数组
list_2 = [5,6,7,8]
array_2 = np.array([list_1, list_2])
array_2

array([[1, 2, 3, 4], [5, 6, 7, 8]])

array_2.shape       #返回数组的形状

(2, 4)


                

                
                
        

    



  


        

            

                      
                        最低0.47元/天 解锁文章
                          
                      
            

        


    



                



	

		

			

				
					
Python与数据科学实战课程——第二章numpy：数组与矩阵运算

				
			

			

				

					secular_的博客
				

				

					08-07
					
					869
					
				

			

		

		

			
				
快速创建数组
import numpy as np
#使用random生成随机数组（随机的意思是同一行代码每次运行结果都会不同）
np.random.randn(10)     #生成的是长度为10的一维数组，数组的元素符合标准正态分布

array([-2.01407771, -0.77011376,  0.48240321,  0.52711222,  1.87221082,
0.28280583,  0.89647812, -0.07944895, -0.10669309, -0.02220787])

			
		

	



                

            
              



	

		

			

				
					
Python与数据科学实战课程——第二章numpy：array的input和output

				
			

			

				

					secular_的博客
				

				

					08-09
					
					921
					
				

			

		

		

			
				
使用pickle序列化numpy array,将其序列化到硬盘上(存储为文件与读出文件)
import pickle
import numpy as np
x = np.arange(10)
x

array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
f = open("x.pkl","wb")
pickle.dump(x,f)

import os
root = os.getcwd() #获取当前路径
print(root)
# os.walk() 用于在目录树中游走输出目录中的文件

			
		

	



              


  
              

                


	

		

			

				
					
(numpy)数组的创建与访问

				
			

			

				

					weixin_43760295的博客
				

				

					06-24
					
					1057
					
				

			

		

		

			
				
数组的创建与访问

			
		

	





	

		

			

				
					
python科学计算（利用numpy创建并访问数组）

				
			

			

				

					weixin_42216171的博客
				

				

					01-09
					
					1232
					
				

			

		

		

			
				
利用numpy创建并访问数组
引入numpy包：
import numpy as np

创建np数组
a = np.array([1,2,3,4])
#b = np.array([1,2,3,4],[5,6,7,8]) #报错
c = np.array([[1,2,3,4],[4,5,6,7],[7,8,9,10]])
c1 = np.array(([1,2,3,4],[4,5,6,7],[7,...

			
		

	



		

			
		



	

		

			

				
					
Numpy快速入门教程（一）：数组创建与数组访问

				
			

			

				

					小红的博客
				

				

					11-22
					
					1035
					
				

			

		

		

			
				
首先声明本篇博客是本人学习CS231n的学习笔记，分享给大家当作参考。Numpy是Python中用于科学计算的核心库。它提供了高性能的多维数组对象，以及相关工具。（其中很多函数类似于matlab中的函数，如果有matlab基础建议看NumPy_for_Matlab_Users ）数组创建 
一个numpy数组是一个由不同数值组成的网格。网格中的数据都是同一种数据类型，可以通过非负整型数的元组来访问。

			
		

	





	

		

			

				
					
javascript ES5中 foreach()遍历方法

				
			

			

				

					weixin_44638167的博客
				

				

					09-28
					
					6167
					
				

			

		

		

			
				
forcach()
array.forEach(function(currentValue, index, arr))

currentValue：数组当前项的值
index：数组当前项的索引  (可选)
arr：数组对象本身
filter() 方法创建一个新的数组，
新数组中的元素是通过检查指定数组中符合条件的所有元素,主要用于筛选数组
注意它直接返回一个新数组

代码:
<script>
        var arr=[50,86,12,10,0,38];
        var newa

			
		

	





	

		

			

				
					
numpy（一）：numpy的创建数组+基本属性+numpy随机数组+数组的访问+数组的变换

				
			

			

				

					不愿意透露姓名的网友
				

				

					11-15
					
					3026
					
				

			

		

		

			
				
文章目录一、了解nump二、numpy的基本属性（shape,ndim,size,dtype,itemsize,data）①一维数组的举例②多维数组的举例③特别注意：numpy中的一维数组的shape理解三、numpy中数组的多种创建方法1.array（）：2.arange（），左闭右开3.linspace(),左闭右闭4.logspace()，等比数列5.zeros()和ones()，占位数组6...

			
		

	





	

		

			

				
					
Python与数据科学实战课程——第三章Pandas：Dataframe_IO

				
			

			

				

					secular_的博客
				

				

					08-12
					
					855
					
				

			

		

		

			
				
import numpy as np
import pandas as pd
from pandas import Series,DataFrame

读写到粘贴板中
import webbrowser
link = "http://pandas.pydata.org/pandas-docs/version/0.20/io.html"
webbrowser.open(link)

True

df1 = pd.read_clipboard()
df1




  
    
      
      For

			
		

	





	

		

			

				
					
Python数据分析实战【第三章】1.2- Numpy基础数据结构【python】

				
			

			

				

					12-21
				

			

		

		

			
				
在Python数据分析领域，Numpy库扮演着至关重要的角色，它提供了高效的多维数据结构——ndarray，用于存储和处理大型数据集。本章节主要讲解了Numpy基础数据结构，特别是ndarray及其创建方法。  首先，ndarray是Numpy...

			
		

	





	

		

			

				
					
在Python中从数组访问元素

				
			

			

				

					cumt30111的博客
				

				

					07-19
					
					2365
					
				

			

		

		

			
				
Prerequisite:
 先决条件： 
Declaration/creation of the Array数组的声明/创建 Common Data Items and Methods of an Array in PythonPython中数组的通用数据项和方法 Here are the examples to demonstrate how to access elements from t...

			
		

	





	

		

			

				
					
第3课_Python数组定义与访问

				
			

			

				

					郭盛华的优快云技术博客
				

				

					10-18
					
					544
					
				

			

		

		

			
				
主讲老师：郭盛华






数组序列是Python中最基本的数据结构。序列中的每个元素都分配一个数字 - 它的位置，或索引，第一个索引是0，第二个索引是1，依此类推。

Python有6个序列的内置类型，但最常见的是列表和元组。

序列都可以进行的操作包括索引，切片，加，乘，检查成员。此外，Python已经内置确定序列的长度以及确定最大和最小的元素的方法。列表是最常用的Python数据类型，它...

			
		

	





	

		

			

				
					
Python学习笔记1——Numpy数组构建&访问

				
			

			

				

					制了个仗的博客
				

				

					04-25
					
					685
					
				

			

		

		

			
				
创建数组普通一、二维数组 .array()迭代器 .arange()创建等差数组 .linspace()指定行列数生成0 .zeros()检查、访问数组
创建数组
普通一、二维数组 .array()

迭代器 .arange()
普通环境可以通过for循环构建迭代器，如下：

使用numpy的话就是：
三个参数中前两个参数为范围（前闭后开区间），第三个参数为步长，如上的1.5代表在区间内每间隔1...

			
		

	





	

		

			

				
					
jupyter notebook对多行代码同时添加前缀或者删除前缀（另附gif动图制作法）

				
			

			

				

					secular_的博客
				

				

					10-19
					
					5642
					
				

			

		

		

			
				
这个功能虽然比较鸡肋，也比较少应用场景，但是好玩呀！

在jupyter notebook中，将光标移到代码前面上，长按Alt，直到出现光标（十字形），然后鼠标按住下移，光标会延长，直到涵盖所有需要的代码。再添加或删除内容即可。

如图：



可以用来对多行代码添加注释，但是一般用Ctrl+/会比较快hhhh

对于编写重复部分代码还是可以用上的，省去了复制粘贴。

另外附上gif生成：

https://www.cockos.com/licecap/

下载完成以后会得到一个中空的窗口，类似一个相框，可

			
		

	





	

		

			

				
					
通俗易懂SVM原理介绍，适合小白食用

				
			

			

				

					secular_的博客
				

				

					01-12
					
					5445
					
				

			

		

		

			
				
11


			
		

	





	

		

			

				
					
使用Pandas遇到Initializing from file failed错误

				
			

			

				

					secular_的博客
				

				

					08-13
					
					2938
					
				

			

		

		

			
				
使用pandas读取文件遇到：


OSError: Initializing from file failed

此类报错一般是由于引用的路径中存在中文，有两种修改方式：

1、直接了当且一劳永逸的就是把文件名改成英文

2、实在不想改成英文也可以试试以下方法：

将代码


f = pd.read_csv('中文.csv')

改为


f = open('中文.csv')
d = pd.read_csv(f)


...

			
		

	





	

		

			

				
					
解决：jsonschema 3.2.0 has requirement six＞=1.11.0, but you‘ll have six 1.10.0 which is incompatible

				
			

			

				

					secular_的博客
				

				

					08-13
					
					2863
					
				

			

		

		

			
				
ERROR: jsonschema 3.2.0 has requirement six>=1.11.0, but you'll have six 1.10.0 which is incompatible.

解决方法


>>>pip install six --user -U
Collecting six
  Downloading six-1.15.0-py2.py3-none-any.whl (10 kB)
Installing collected packages: six.

			
		

	





	

		

			

				
					
解决jupyter notebook上pip install成功却无法import的问题

				
			

			

				

					secular_的博客
				

				

					04-22
					
					2755
					
				

			

		

		

			
				
由于使用anaconda下激活的环境是python38后打开的jupyter，所以在jupyternotebook使用


！pip install XXX

后安装的包的路径都是在对应环境下。但是对包进行import的时候，查找的路径是jupyter默认的kernel而非激活的环境。

可以安装nb_conda_kernels包来解决，使得在jupyter下new的文件的kernel可以和环境对应。（红色部分是使用命令以前，蓝色是使用命令以后的）



安装命令为：


conda install ...

			
		

	





	

		

			

				
					
解决csv.reader迭代器只能迭代一次的问题

				
			

			

				

					secular_的博客
				

				

					10-18
					
					2269
					
				

			

		

		

			
				
在做项目过程中，需要对同一个CSV文件进行两次迭代，但是在第二次迭代时候，输出为空。

这里用一个小例子表示：



对这个简单的csv文件迭代第一次：



迭代第二次：



可以看到，第二次迭代的时候，输出为空。

检查下迭代器可以发现，迭代器已经指到文件末尾了。这也是为什么第二次输出为空的原因。



因此需要对迭代器进行刷新。

暴力方式：生成新的迭代器（注意这里的迭代器指的是csv.reader，而不是item_t,因此如果只是将item_t改成如item_tt之类的是不起作用的。）



在网

			
		

	





	

		

			

				
					
Python与自然语言处理 笔记二

				
			

			

				

					secular_的博客
				

				

					08-05
					
					2190
					
				

			

		

		

			
				
第二章获得文本语料和词汇资源



什么是有用的文本语料和词汇资源？怎么获取？

哪些Python结构适合这个工作？

怎么编写代码可以避免重复工作



获取文本语料库

古腾堡语料库

1、查看语料库   nltk.corpus.gutenberg.fileids()


>>> import nltk
>>> nltk.corpus.gutenberg.fileids()
['austen-emma.txt', 'austen-persuasion.t...

			
		

	





	

		

			

				
					

				
			

			

				

					
				

			

		

		

			
				

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		评论	
	

  

	
    

      

      

      

        
        

          
          

            

              成就一亿技术人!
            

            

              拼手气红包6.0元
            

          

        

        

          

            还能输入1000个字符
          

          

             
          

          

            

              红包
              添加红包
            

            

              表情包
              插入表情
              

                

              

            

            

              表情包
              代码片
              

                
              

            

            

              
              
              
              
              
              
              
            

          

        

      

    

		

			

			

			

					 条评论被折叠 查看
			

			

				
			

		

	

	




  

    

      添加红包
      
    

    

      

        
        

          
          
        

        
请填写红包祝福语或标题

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
成就一亿技术人!

          

          

        

        

          

          

            领取后你会自动成为博主和红包主的粉丝
            规则
          

        

      

      

        

          

            
              
            
            

              
hope_wisdom
 发出的红包
            

          

        

        

          

          

          

        

      

    

    

  



      
      

      
实付元

      
使用余额支付

      

        

          

            
            点击重新获取
          

        

        
扫码支付

      

      

        
          
            
          
          
        
      

      

        
        钱包余额
          0
          

            
            

              

                
抵扣说明：

                
 1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
 2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

              

            

          

      

      余额充值