python 数据分析 Numpy(Numerical Python Basic)

 # 导入numpy 模块  1 import numpy as np 10 a = np.random.random((2,4))
 11 a
 12 Out[5]:
 13 array([[0.20974732, 0.73822026, 0.82760722, 0.050551  ],
 14        [0.77337155, 0.06521922, 0.55524187, 0.59209907]])

# 求矩阵所有数据的和,最小值,最大值
 22 np.sum(a)
 23 Out[7]: 3.812057513268513
 24 np.min(a)
 25 Out[8]: 0.05055099733013646
 26 np.max(a)
 27 Out[9]: 0.8276072194278252
 28 print("a=",a)
 29 a= [[0.20974732 0.73822026 0.82760722 0.050551  ]
 30  [0.77337155 0.06521922 0.55524187 0.59209907]]

# axis=0 代表列, axis=1代表行
 31 print("min",np.min(a))
 32 min 0.05055099733013646#求每列当中的最小值
 33 print("lmin:",np.min(a,axis=0))
 34 lmin: [0.20974732 0.06521922 0.55524187 0.050551  ]
 35 print("lmin:",np.min(a,axis=1))
 36 lmin: [0.050551   0.06521922]
 37 print("sum:",np.sum(a,axis=1))
 38 sum: [1.8261258  1.98593171]

# reshape 数据, 3行4列
 39 A = np.arange(2,14).reshape(3,4)
 40 A
 41 Out[16]:
 42 array([[ 2,  3,  4,  5],
 43        [ 6,  7,  8,  9],
 44        [10, 11, 12, 13]])

# ndarray中最小值,最大值的序号
 45 print(np.argmin(A))
 46 0
 47 print(np.argmax(A))
 48 11
 49 print(np.mean(A))
 50 7.5
 51 print(np.average(A))
 52 7.5
 53 print(A.mean())
 54 7.5
# cumsum 迭代相加
 69 A
 70 Out[24]:
 71 array([[ 2,  3,  4,  5],
 72        [ 6,  7,  8,  9],
 73        [10, 11, 12, 13]])
 81 print(A.cumsum())
 82 [ 2  5  9 14 20 27 35 44 54 65 77 90]
 83 A
 84 Out[27]:
 85 array([[ 2,  3,  4,  5],
 86        [ 6,  7,  8,  9],
 87        [10, 11, 12, 13]])# clip(a, a_min, a_max) 将ndarray中的数据进行判断,小于a_min的值都赋值为a_min, 大于a_max的都赋值a_max,在这之间的值不变。
 88 print(np.clip(A,5,8))
 89 [[5 5 5 5]
 90  [6 7 8 8]
 91  [8 8 8 8]]
# 判断ndarray阶数,几维向量 99 A.ndim
100 Out[30]: 2
101 A
102 Out[31]:
103 array([[ 2,  3,  4,  5],
104        [ 6,  7,  8,  9],
105        [10, 11, 12, 13]])
106 A.ndim
107 Out[32]: 2
108 a
109 Out[33]:
110 array([[0.20974732, 0.73822026, 0.82760722, 0.050551  ],
111        [0.77337155, 0.06521922, 0.55524187, 0.59209907]])
112 a.ndim
113 Out[34]: 2
114 A
115 Out[35]:
116 array([[ 2,  3,  4,  5],
117        [ 6,  7,  8,  9],
118        [10, 11, 12, 13]])

原文地址:https://www.cnblogs.com/brownz/p/9520767.html

时间: 2024-10-10 01:55:01

python 数据分析 Numpy(Numerical Python Basic)的相关文章

Python数据分析基础与实践 Python数据分析实践课程 Python视频教程

课程简介: Python数据分析基础与实践 Python数据分析实践课程 Python视频教程----------------------课程目录------------------------------├<章节1Python概况>├<章节2Python安装>├<章节3数据准备>├<章节4数据处理>├<章节5数据可视化>├<章节6网页数据抓取>├<章节7连接MySQL>├<章节8数据分析> 下载地址:百度网盘

python数据分析Numpy(二)

Numpy (Numerical Python) 高性能科学计算和数据分析的基础包: ndarray,多维数组(矩阵),具有矢量运算能力,快速.节省空间: 矩阵运算,无需循环,可以完成类似Matlab中的矢量运算: 线性代数.随机送生成: ndarray ,N维数组对象(矩阵) 所有元素必须是相同类型 ndim属性,维度个数 shape属性,各维度大小 dtype属性,数据类型 代码示例: import numpy # 生成指定维度的随机多维数据(两行三列) data = numpy.rando

python数据分析NumPy入门

numpy库入门 维度:一组数据的组织形式 一维数据:由对等关系的有序或无序数列构成,采用线性方式组织 (列表,集合) (数组) 列表和数组 都是一组数据的有序结构 不同点 列表:数据类型可以不同 数组:数据类型相同 二维数据:由多个一维数据构成,是一维数据的组合形式 (表格)(列表) 多维数据:由一维或二维数据在新维度上扩展形成(多维列表) 高维数据仅利用最基本的二元关系展示数据间的复杂结构 (字典) Numpy Numpy 是一个开源的python科学计算基础库 一个强大的N维数组对象 nd

Python数据分析-Numpy

Numpy特点 Numpy作为使用Python进行科学计算的常用库,有着如下特点: 提供了N维数组(矩阵),快速高效,矢量数学运算: 高效的Index,不需要循环,因为底层实现采用了C语言开发. 常见的数组和矩阵的方法 数组和矩阵的创建与维度信息 numpy.array() ## 数组的创建 vector = numpy.array([1,2,3,4]) ## 矩阵的创建 matrix = numpy.array([ [1,2,3], [4,5,6], [7,8,9] ]) shape ## 打

Python数据分析-Numpy数值计算

Numpy介绍: NumPy是高性能科学计算和数据分析的基础包.它是pandas等其他各种工具的基础. NumPy的主要功能: 1)ndarray,一个多维数组结构,高效且节省空间 2)无需循环对整组数据进行快速运算的数学函数 3)读写磁盘数据的工具以及用于操作内存映射文件的工具 4)线性代数.随机数生成和傅里叶变换功能 5)用于集成C.C++等代码的工具 pyhton里面安装.引入方式: 安装方法:pip install numpy 引用方式:import numpy as np 创建数组:

python数据分析numpy库学习

import numpy as np def asum(a_list,b_list,n1=2,n2=3): a = np.array(a_list) b = np.array(b_list) c = pow(a,n1) + pow(b,n2) return c a_lst = [1,2,3,4] b_lst = [2,3,4,5] print(asum(a_lst,b_lst)) #np.array()生成数据对象ndarray a = np.array([[1,2,3,4],[1,2,3,4]

Python数据分析基础与实践 超具实战意义的Python数据分析实践课程 Python视频教程

===============课程目录=============== ├data.csv├<章节1Python概况>│ └python2.mp4├<章节2Python安装>│ ├python3.mp4│ └python4.mp4├<章节3数据准备>│ ├3.zip│ ├python10.mp4│ ├python11.mp4│ ├python12.mp4│ ├python13.mp4│ ├python14.mp4│ ├python15.mp4│ ├python16.mp4

Python数据分析之Numpy入门

目录 1.什么是numpy 2.安装numpy 3.n维数组对象 4.数组创建 5.数组维度 6.数组元素个数 7.数组元素数据类型 8.改变数组形状 9.数组索引和切片操作 10.数组转换与元素迭代 11.数组级联操作 12.数组数值舍入 13.数组数值添加 14.数组元素去重 15.常用数学函数 16.常用统计函数 17.矩阵运算 1.什么是numpy NumPy(Numerical Python)是Python语言中做科学计算的基础库.重在于数值计算,也是大部分Python科学计算库的基础

python数据分析之numpy、matplotlib的使用

5.3 Python的科学计算包 - Numpy numpy(Numerical Python extensions)是一个第三方的Python包,用于科学计算.这个库的前身是1995年就开始开发的一个用于数组运算的库.经过了长时间的发展,基本上成了绝大部分Python科学计算的基础包,当然也包括所有提供Python接口的深度学习框架. numpy在Linux下的安装已经在5.1.2中作为例子讲过,Windows下也可以通过pip,或者到下面网址下载: Obtaining NumPy & Sci