Data Analysis - Day9 - Numpy Functions
文章目录
- The properties of ndarray class
- The statistics functions of ndarray
- The universal functions of ndarray
- The String operations
本文内容转载自b站up主 李小四是数据分析师
https://www.bilibili.com/video/BV1gK4y1s7bE
The properties of ndarray class
- ndarray.shape - 维度，数组的尺寸。这是一个整数元组，指示每个维度中数组的大小。对于具有n行和m列的矩阵(n,m)
- ndarray.dtype - 描述数组中元素类型的对象。
- ndarray.size - 数组元素的总数。等于shape的乘积。
- ndarray.ndim - 数组的轴数（尺寸）。len(shape)(长度)。
- ndarray.itemsize - 数组中每个元素的大小（以字节为单位）。
- ndarray.nbytes - 总字节数 = size x itemsize。
- ndarray.real - 复数数组的实部数组。
- ndarray.imag - 复数数组的虚部数组。
- ndarray.T - 数组对象的转置视图。
- ndarray.flat - 扁平迭代器。
The statistics functions of ndarray
| 函数 | 说明 |
|---|---|
| np.sum() | 计算数组的和 |
| np.mean() | 返回数组中元素的算术平均值 |
| np.average() | 根据在另一个数组中给出的各自的权重计算数组中元素的加权平均值 |
| np.std() | 计算数组标准差 |
| np.var() | 计算数组方差 |
| np.min() | 计算数组中的元素沿指定轴的最小值 |
| np.max() | 计算数组中的元素沿指定轴的最大值 |
| np.argmin() | 返回数组最小元素的索引 |
| np.argmax() | 返回数组最大元素的索引 |
| np.cumsum() | 计算所有元素的累计和 |
| np.cumprod() | 计算所有元素的累计积 |
| np.ptp() | 计算数组中元素最大值与最小值的差（最大值 - 最小值） |
| np.median() | 计算数组中元素的中位数（中值） |
The universal functions of ndarray
| 函数 | 说明 |
|---|---|
| numpy.sqrt(array) | 平方根函数 |
| numpy.exp(array) | e^array[i]的数组 |
| numpy.abs/fabs(array) | 计算绝对值 |
| numpy.square(array) | 计算各元素的平方 等于array**2 |
| numpy.log/log10/log2(array) | 计算各元素的各种对数 |
| numpy.sign(array) | 计算各元素正负号 |
| numpy.isnan(array） | 计算各元素是否为NaN |
| numpy.isinf(array) | 计算各元素是否为无穷大 |
| numpy.cos/cosh/sin/sinh/tan/tanh(array) | 三角函数 |
| numpy.modf(array) | 将array中值得整数和小数分离，作两个数组返回 |
| numpy.ceil(array) | 向上取整,也就是取比这个数大的整数 |
| numpy.floor(array) | 向下取整,也就是取比这个数小的整数 |
| numpy.rint(array) | 四舍五入 |
| numpy.trunc(array) | 向0取整 |
| numpy.add(array1,array2) | 元素级加法 |
| numpy.subtract(array1,array2) | 元素级减法 |
| numpy.multiply(array1,array2) | 元素级乘法 |
| numpy.divide(array1,array2) | 元素级除法 array1./array2 |
| numpy.power(array1,array2) | 元素级指数 array1.^array2 |
| numpy.maximum/minimum(array1,aray2) | 元素级最大值、最小值 |
| numpy.fmax/fmin(array1,array2) | 元素级最大值，最小值（忽略NaN） |
| numpy.mod(array1,array2) | 元素级求模 |
| numpy.mod(array1,array2) | 元素级求模 |
| numpy.copysign(array1,array2) | 将第二个数组中值得符号复制给第一个数组中值 |
The String operations
| 函数 | 描述 |
|---|---|
| add() | 对两个数组的逐个字符串元素进行连接 |
| multiply() | 返回按元素多重连接后的字符串 |
| center() | 居中字符串 |
| capitalize() | 将字符串第一个字母转换为大写 |
| title() | 将字符串的每个单词的第一个字母转换为大写 |
| lower() | 数组元素转换为小写 |
| upper() | 数组元素转换为大写 |
| split() | 指定分隔符对字符串进行分割，并返回数组列表 |
| splitlines() | 返回元素中的行列表，以换行符分割 |
| strip() | 移除元素开头或者结尾处的特定字符 |
| join() | 通过指定分隔符来连接数组中的元素 |
| replace() | 使用新字符串替换字符串中的所有子字符串 |
| decode() |
数组元素依次调用str.decode
|
| encode() |
数组元素依次调用str.encode
|
numpy.char.add() # 函数依次对两个数组的元素进行字符串连接
numpy.char.multiply() # 函数执行多重连接
numpy.char.center() # 函数用于将字符串居中，并使用指定字符在左侧和右侧进行填充
numpy.char.capitalize() # 函数将字符串的第一个字母转换为大写
numpy.char.title() # 函数将字符串的每个单词的第一个字母转换为大写
numpy.char.lower() # 函数对数组的每个元素转换为小写。它对每个元素调用 str.lower
numpy.char.upper() # 函数对数组的每个元素转换为大写。它对每个元素调用 str.upper
numpy.char.split() # 通过指定分隔符对字符串进行分割，并返回数组。默认情况下，分隔符为空格
numpy.char.splitlines() # 函数以换行符作为分隔符来分割字符串，并返回数组
numpy.char.strip() # 函数用于移除开头或结尾处的特定字符
numpy.char.join() # 函数通过指定分隔符来连接数组中的元素或字符串
numpy.char.replace() # 函数使用新字符串替换字符串中的所有子字符串
numpy.char.encode() # 函数对数组中的每个元素调用 str.encode 函数。 默认编码是 utf-8，可以使用标准 Python 库中的编解码器
numpy.char.decode() # 函数对编码的元素进行 str.decode() 解码
Data Analysis - Day9 - Numpy Functions相关推荐
- Python for Data Analysis：Numpy
Numpy的ndarray:一种多维数组对象 创建ndarray np.array()创建ndarray import numpy as np data1 = [6,7.5,8,0,1] np.arr ...
- R语言统计入门课程推荐——生物科学中的数据分析Data Analysis for the Life Sciences
Data Analysis for the Life Sciences是哈佛大学PH525x系列课程--生物医学中的数据分析(PH525x series - Biomedical Data Scien ...
- python进行探索性数据分析EDA（Exploratory Data Analysis）分析
python进行探索性数据分析EDA(Exploratory Data Analysis)分析 show holy respect to python community, for there ded ...
- 【Python-ML】探索式数据分析EDA(Exploratory Data Analysis)
# -*- coding: utf-8 -*- ''' Created on 2018年1月24日 @author: Jason.F @summary: 有监督回归学习-探索式数据分析(EDA,Exp ...
- Python for Data Analysis
本文只是一篇类似导向性的分享, 并没有原创内容, 主要是书籍和网络资源的整理, 仅供参考. 可能会有后续补充更新. 资源 A Byte of Python 这是给没有使用过 Python 的人员的入门 ...
- IBM Machine Learning学习笔记（一）——Exploratory Data Analysis for Machine Learning
数据的探索性分析 1. 读入数据 (1)csv文件读取 (2)json文件读取 (3)SQL数据库读取 (4)Not-only SQL (NoSQL)读取 (5)从网络中获取 2. 数据清洗 (1)缺 ...
- 《利用Python进行数据分析： Python for Data Analysis 》学习随笔
NoteBook of <Data Analysis with Python> 3.IPython基础 Tab自动补齐 变量名 变量方法 路径 解释 ?解释, ??显示函数源码 ?搜索命名 ...
- python学习笔记（Data Analysis）
Python for Data Analysis numpy基础 嗯 调整了一些顺序 1 ndarray(n维数组) 导入数据.基本运算和数组生成 import numpy as np #矢量化 将数 ...
- 【CookBook pandas】学习笔记第五章 Exploratory Data Analysis
dive more into - 深入讨论 exploratory data analysis , the process of sifting through the data and trying ...
最新文章
- AI开发人员使用频率最高的10个机器学习平台！
- Redis概述、数据类型
- C++封装常用对象和对头文件以及预编译机制的探索
- 博客等级及其特权福利
- 政府公务办公安全保密邮件系统建设
- Get AD Object and disable move delete AD account script 查询删除AD账户计算机
- 嵌入式系统功能需求分析_机械管理系统如何物料需求分析
- 24 内置函数 命名元组(namedtuple) ,os ,sys,序列化,pickle,json
- html微信投票代码,关于网络投票刷票神器的代码编写
- KAKASI - 将日文转换为平假名/片假名/罗马音
- 笔记 黑马程序员C++教程从0到1入门编程——核心编程
- win10教育版加域提示错误
- sqlserver如何快速生成不重复的随机数据
- lnmp分离网站基础架构
- 39-网上商城数据库-用户信息数据操作
- wlacm一笔画问题（图的遍历） 题解
- valgrind检测内存泄漏,gperftools,memwatch和性能优化Messy_Test
- vue父组件中调用子组件中的方法 及vue父组件调用孙子组件的方法
- 正交表设计法设计测试用例
- 访问网站浏览器左上角提示：windows 没有足够信息,不能验证该证书