《Python数据分析实战》3 NumPy库

  • 初始化数组

arr = np.array([[1,2],[3,4]])

arr = np.array([[1,2],[3,4]], dtype=complex)

arr = np.zeros((3,4))

arr = np.ones((1,2))

arr = np.arange(4,10).reshape(2,3)

arr = np.linspace(0,1,6)  #[0.0,0.2,0.4,0.6,0.8,1.0]

arr = np.random.random(3)

arr = np.random.random((5,2))

  • 数组内置函数

type(arr):numpy.ndarray

arr.dtype:int32、float64……

arr.ndim:2

arr.size:4

arr.shape:(2L,2L)

arr.itemsize:4

  • 数组计算函数

arr+1:元素和

arr*2:元素积

arr1+arr2:元素和

arr1*arr2:元素积

np.dot(arr1, arr2):矩阵积

sin(arr):元素三角函数

sqrt(arr):元素开方

arr.sum():所有元素和

arr.min():所有元素最小值

arr.max():所有元素最大值

arr.mean():所有元素平均值

  • 数组迭代函数

np.apply_along_axis(np.mean, axis=0, arr=arr):按列迭代

np.apply_along_axis(lambda x:x*2, axis=1, arr=arr):按行迭代

  • 布尔数组:

arr<0.5

  • 拼接数组:

np.vstack((arr1, arr2)):垂直入栈

np.hstack((arr1, arr2)):水平入栈

  • 切分数组:

np.vsplit(arr, n):垂直平分n部分

np.hsplit(arr, n):水平平分n部分

np.split(arr, [1,3,5], axis=1):垂直分割

  • 数组保存/读取

np.save(‘data.npy‘, arr)

arr = np.load(‘data.npy‘)

原文地址:https://www.cnblogs.com/jhc888007/p/9372495.html

时间: 2024-08-01 07:11:27

《Python数据分析实战》3 NumPy库的相关文章

Numpy学习:《Python数据分析基础教程NumPy学习指南第2版》中文PDF+英文PDF+代码

NumPy是一个优秀的科学计算库,提供了很多实用的数学函数.强大的多维数组对象和优异的计算性能,不仅可以取代Matlab和Mathematica的许多功能,而且业已成为Python科学计算生态系统的重要组成部分.但与这些商业产品不同,它是免费的开源软件. 推荐学习<Python数据分析基础教程NumPy学习指南第2版>,通过书中丰富的示例,学会Matplotlib绘图,并结合使用其他Python科学计算库(如SciPy和Scikits),让工作更有成效,让代码更加简洁而高效. 学习参考: &l

【python数据分析实战】电影票房数据分析(一)数据采集

目录 1.获取url 2.开始采集 3.存入mysql 本文是爬虫及可视化的练习项目,目标是爬取猫眼票房的全部数据并做可视化分析. 1.获取url 我们先打开猫眼票房http://piaofang.maoyan.com/dashboard?date=2019-10-22 ,查看当日票房信息, 但是在通过xpath对该url进行解析时发现获取不到数据. 于是按F12打开Chrome DevTool,按照如下步骤抓包 再打开获取到的url:http://pf.maoyan.com/second-bo

用python的matplotlib和numpy库绘制股票K线均线和成交量的整合效果(含量化验证交易策略代码)

在用python的matplotlib和numpy库绘制股票K线均线的整合效果(含从网络接口爬取数据和验证交易策略代码)一文里,我讲述了通过爬虫接口得到股票数据并绘制出K线均线图形的方式,在本文里,将在此基础上再引入成交量效果图,并结合量价理论,给出并验证一些交易策略. 1 成交量对量化分析的意义 美国的股市分析家葛兰碧(Joe Granville)在他所著的<股票市场指标>一书里提出著名的“量价理论”.“量价理论”的核心思想是,任何对股价的分析,如果离开了对成交量的分析,都将是无本之木,无水

【python数据分析实战】电影票房数据分析(二)数据可视化

目录 图1 每年的月票房走势图 图2 年票房总值.上映影片总数及观影人次 图3 单片总票房及日均票房 图4 单片票房及上映月份关系图 在上一部分<[python数据分析实战]电影票房数据分析(一)数据采集> 已经获取到了2011年至今的票房数据,并保存在了mysql中. 本文将在实操中讲解如何将mysql中的数据抽取出来并做成动态可视化. 图1 每年的月票房走势图 第一张图,我们要看一下每月的票房走势,毫无疑问要做成折线图,将近10年的票房数据放在一张图上展示. 数据抽取: 采集到的票房数据是

python数据分析实战-第3章-numpy库

第3章 NumPy库 32 3.1 NumPy简史 32 3.2 NumPy安装 32 3.3 ndarray:NumPy库的心脏 33 1 import numpy as np 1 a = np.array([1, 2, 3]) 1 a array([1, 2, 3]) 1 type(a), a.dtype, a.ndim, a.size, a.shape, a.itemsize (numpy.ndarray, dtype('int64'), 1, 3, (3,), 8) 1 b = np.a

python数据分析进阶之numpy

摘要 Numpy是利用python来进行数据分析中必须要掌握的基础.是高性能科学计算和数据分析的基础包.利用numpy能对整组数据无需循环就能进行快速的标准数学函数计算,同时能进行线性代数,随机数,以及傅里叶变换等等功能,而对于数据分析来说,比较重要的用途就是数据的清理,过滤,子集构造,转换,排序,描述统计等等. 创建多维数组 1.利用array来生成基本数组,如: >>> import numpy as np >>> a=np.array([1,2,3,4]) >

数据分析与展示——NumPy库入门

这是我学习北京理工大学嵩天老师的<Python数据分析与展示>课程的笔记.嵩老师的课程重点突出.层次分明,在这里特别感谢嵩老师的精彩讲解. NumPy库入门 数据的维度 维度是一组数据的组织形式.数据维度就是在数据之间形成特定关系表达多种含义的一个概念. 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.数组和集合等概念. 列表和数组:一组数据的有序结构. 区别: 列表:数据类型可以不同 数组:数据类型相同 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

python数据分析实战-第2章-ptyhon世界简介

第2章 Python世界简介 122.1 Python--编程语言 122.2 Python--解释器 132.2.1 Cython 142.2.2 Jython 142.2.3 PyPy 142.3 Python 2和Python 3 142.4 安装Python 152.5 Python发行版 152.5.1 Anaconda 152.5.2 Enthought Canopy 162.5.3 Python(x,y) 172.6 使用Python 172.6.1 Python shell 17

python数据分析实战-第9章-数据分析实例气象数据

第9章 数据分析实例--气象数据 2309.1 待检验的假设:靠海对气候的影响 2309.2 数据源 2339.3 用IPython Notebook做数据分析 2349.4 风向频率玫瑰图 2469.5 小结 251 123 import numpy as npimport pandas as pdimport datetime 1 ferrara = pd.read_json('http://api.openweathermap.org/data/2.5/history/city?q=Fer