numpy & pandas
文章平均质量分 70
荒漠天际
这个作者很懒,什么都没留下…
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 & pandas (2) 基础运算1
一、数组运算#逐个元素进行运算,即逐个对应元素相加、相减、相乘、相除、比较import numpy as npa = np.array([10, 20, 30, 40])b = np.arange(4)print(a, b)c = a-bd = a+be = a*bf = b**2g = 10*np.sin(a)print(c)print(d)print(e)pr...转载 2018-08-22 11:34:01 · 476 阅读 · 0 评论 -
numpy & pandas (3) 基础运算2
import numpy as np#求索引a = np.arange(2,14).reshape((3, 4))b = np.argmin(a) #np.argmin():返回最小值的索引值c = np.argmax(a) #np.argmin():返回最大值的索引值#求平均值的3种方法d = np.mean(a) ...转载 2018-08-22 16:22:07 · 241 阅读 · 0 评论 -
numpy & pandas (1)
一、numpy的一些属性import numpy as nparray = np.array([[1,2,3], #将列表转换为numpy识别的矩阵 [2,3,4]])可print(array) ...转载 2018-08-20 16:58:43 · 170 阅读 · 0 评论 -
numpy & pandas (4) 索引
import numpy as npa = np.arange(3, 15)b = a[3] #一维数组,索引方法同列表c = a.reshape((3, 4)) #c为a转换成的三行四列的矩阵d = c[1][1] #d为c矩阵第2行第2列的元素e = c[2, 1] ...转载 2018-08-25 12:06:20 · 224 阅读 · 0 评论 -
numpy & pandas (5) 合并与分割
一、合并import numpy as npa = np.array([1, 1, 1])b = np.array([2, 2, 2])c = np.vstack((a, b)) # vertical stack 纵向合并d = np.hstack((a, b)) # horizontal stack 横向合并e = np.vstack((a,b,b,a...转载 2018-08-25 13:41:04 · 630 阅读 · 0 评论 -
numpy & pandas (6) 浅拷贝与深拷贝
一、浅拷贝(指向同一块数据)>>> import numpy as np>>> a = np.arange(4)>>> b = a>>> a[0] = 11>>> aarray([11, 1, 2, 3])>>> barray([11,转载 2018-09-20 10:40:40 · 7235 阅读 · 0 评论
分享