weixin_44391984的博客

pandas介绍

numpy函数记录

python基础的补充，记录各种函数方便查询

套接字编程所需要的一些基本网络知识

使用Python进行多任务_线程篇

使用python实现多进程任务

import pandas as pd pd.DataFrame( ) 表示矩阵数据表，是已排序的列的集合 每一列的值的类型可以不同 使用字典创建DataFrame data = {'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada', 'Nevada'], 'year': [2000, 2001, 2002, 2001, 2002, 2003], 'popu': [1.5, 1.7, 3.6, 2.4, 2.9, 3

Pandas介绍 经常和别的工具一起使用，特别是Scipy，Numpy以及Matplotlib 支持Numpy风格的的数组计算 Pandas适合处理表格/异质型的数据，但Numpy适合处理同质型的 Pandas数据结构介绍 Series类型 以为数组型对象，包含一个：值序列，一个数据标签（index：索引） 如果不指定，默认索引就是从0到N-1 通过values和index分别获得值与索引 import pandas as pd obj = pd.Series([4, 7, -5, 3]) obj

使用数组进行文件输入与输出 numpy可以将数据以文本/二进制的方式存入/取出于硬盘 但一般情况下，都比较喜欢用pandas来输入输出 np.save( ) and np.load( ) import numpy as np arr = np.arange(10) # 此处不需要写后缀，会自动补全 np.save('./arr_10', arr) 后缀名是.npy文件 arr_10 = np.load('./arr_10.npy') arr_10 array([0, 1, 2, 3, 4, 5,

import numpy as np 使用数组进行面向数组编程 向量化：利用数组表达式来代替显式循环的方法 速度会快1～2个量级 广播机制是向量化的一种应用 np.meshgrid(arr_1, arr_2) 功能把输入的两个向量，匹配成可以一一组成的坐标点 points = np.arange(-5, 5, 0.01) small_points_1 = np.array([1, 2, 3]) small_points_2 = np.array([7, 8]) np.meshgrid(small

import numpy as np 通用函数 就是对narray数组逐元素操作的函数 arr = np.arange(10) arr array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) 开方 np.sqrt(arr) array([0., 1., 1.41421356, 1.73205081, 2.,2.23606798, 2.44948974, 2.64575131, 2.82842712, 3.]) 指数 np.exp(arr) array([1.0000000

Numpy 可以像标量计算一样计算数组 在一个ndarray里，每一个元素都是相同类型 每一个数组都有一个属性shape,dtype,ndim import numpy as np 创建Numpy data1 = [6, 7.5, 8, 0, 1] arr1 = np.array(data1) arr1 array([6., 7.5, 8., 0., 1.]) print(arr1.shape) print(arr1.ndim) print(arr1.dtype) (5,) 1 float64

在这里不叙述如何配置Jupyter Notebook，使用环境为Macos + python 3.8 运行一个单元格快捷键为：Shift + Enter（运行一个单元格并选择下一个） 内省： 一个变量名 的前/后 使用 ? 可以显示有关该对象的概要信息 an_apple? Type: int String form: 1 Docstring: int([x]) -> integer int(x, base=10) -> integer Convert a number or