数据分析2 numpy(ndarray数组,属性,创建,索引切片,运算,函数,随机数), Pandas(Series创建,缺失值处理,特性,索引,DataFrame)

Numpy

numpy数据类型

1.为啥使用numpy ？

ndarray是一个多维数组列表

Numpy的核心特征就是N-维数组对----ndarray

它和python中的列表区别：

1.数组对象内元素类型必须相同

2.数组大小不可修改

2.创建ndarray 数组

3.常见的属性

数据类型

astype()方法可以修改数组类型

4.ndarray的创建方式

5.索引

6.切片

7.数组的向量运算和矢量运算

8. 布尔型索引

9.花式索引

10.一元函数

11.数学统计函数

12.随机数生成

Pandas

主要是两大数据类型, DataFrame,Series

1.Series

1.Series的创建

2.缺失值处理

Series特性

索引

DataFrame

常用处理方式：

读取csv格式文件

读取html表格数据

NBA总冠军百度百科注：chrome浏览器会自动把中文转化为编码

https://baike.baidu.com/item/NBA%E6%80%BB%E5%86%A0%E5%86%9B/2173192?fr=aladdin

原文地址：https://www.cnblogs.com/ludingchao/p/12607534.html

时间： 2024-08-25 20:25:13

数据分析2 numpy(ndarray数组,属性,创建,索引切片,运算,函数,随机数), Pandas(Series创建,缺失值处理,特性,索引,DataFrame)的相关文章

python数据分析之numpy

Numpy最重要的一个特点就是N维数组对象.就是我们通常说的矩阵.通过Numpy可以对矩阵进行快速的运算.首先来看下创建方法. 通过array的方法将一个嵌套列表转换为2行4列的矩阵数组.通过shape可以看到矩阵的维度 In [1]: data=[[1,2,3,4],[5,6,7,8]] In [2]: import numpy as np In [3]: arr=np.array(data) In [4]: arr Out[4]: array([[1, 2, 3, 4],

pandas数组(pandas Series)-(2)

pandas Series 比 numpy array 要强大很多,体现在很多方面首先, pandas Series 有一些方法,比如: describe 方法可以给出 Series 的一些分析数据: import pandas as pd s = pd.Series([1,2,3,4]) d = s.describe()print(d) count 4.000000 mean 2.500000 std 1.290994 min 1.000000 25% 1.750000 50% 2.5000

pytorch张量数据索引切片与维度变换操作大全（非常全）

(1-1)pytorch张量数据的索引与切片操作1.对于张量数据的索引操作主要有以下几种方式:a=torch.rand(4,3,28,28):DIM=4的张量数据a(1)a[:2]:取第一个维度的前2个维度数据(不包括2):(2)a[:2,:1,:,:]:取第一个维度的前两个数据,取第2个维度的前1个数据,后两个维度全都取到:(3)a[:2,1:,:,:]:取第一个维度的前两个数据,取第2个维度的第1个索引到最后索引的数据(包含1),后两个维度全都取到:(4)a[:2,-3:]:负号表示第2个维

NumPy学习：创建ndarray数组（linespace,arange,uniform,normal）

""" 创建ndarray数组(linespace,arange,uniform,normal) """ import numpy as np print("linespace:", np.linspace(0, 100, 5)) # 等间隔的序列 print("arange:", np.arange(10, 50, 10)) # 每间隔10 print("uniform:", np.r

Numpy：数组创建、数组基本属性

Numpy数组创建 import numpy as np ''' numpy中的ndarray数组 ''' ary = np.array([1, 2, 3, 4, 5]) print(ary) ary = ary * 10 print(ary) ''' ndarray对象的创建 ''' # 创建二维数组 # np.array([[],[],...]) a = np.array([[1, 2, 3, 4], [5, 6, 7, 8]]) print(a) # np.arange(起始值, 结束值,

Python开发：NumPy学习（一）ndarray数组

一.数据维度一个数据表达一个含义,一组数据表达一个或多个含义. 数据维度概念:一组数据的组织形式,其中有一维数据.二维数据.多维数据.高维数据. 1. 一维数据一维数据由对等关系的有序或无序数据构成,采用线性方式组织. 对应:列表.集合 #列表有序 [1,2,3,4,5] #集合无序 {1,2,3,4,5} 2.二维数据二维数据由多个一维数据构成,是一维数据的组合形式. 对应:列表 [[1,2,3],[4,5,6]] 3.多维数据多维数据由一维或二维数据在新维度上扩展形成. 对应:列表

numpy数组属性

NumPy 数组的维数称为秩(rank),即数组的维度. NumPy中,每一个线性的数组称为是一个轴(axis),axis=0,表示沿着第 0 轴进行操作,即对每一列进行操作:axis=1,表示沿着第1轴进行操作,即对每一行进行操作. NumPy 的数组中比较重要 ndarray 对象属性有: 属性说明 ndarray.ndim 秩,即轴的数量或维度的数量 ndarray.shape 数组的维度,对于矩阵,n 行 m 列 ndarray.size 数组元素的总个数,相当于 .shape 中 n

【Python数组及其基础操作】【Numpy ndarray】

一.创建数组在python中创建数组最简单的办法就是使用array函数.它接受一切序列型的对象,然后产生一个含有传入数据的numpy数组.其中,嵌套序列(比如由一组等长列表组成的列表)会被转换为一个多维数组. 1.array函数: numpy.array(object, dtype = None, copy = True, order = None, subok = False ,ndmin = 0) object 数组或嵌套的数列 dtype

numpy的数组的创建

import numpy as np # numpy创建有规律的一维数组(元组构成) l1 = np.arange(5) print(type(l1)) print(l1) # 打印结果 # <class 'numpy.ndarray'> # [0 1 2 3 4] #创建一个没有规律的一维数组(元组构成) l2 = np.array((1,23,435,65,43)) print(type(l2)) print(l2) # 打印结果 # <class 'numpy.ndarray'&g