[云炬python3玩转机器学习笔记] 3-3Numpy数据基础
import numpy
numpy.__version__
'1.20.1'
import numpy as np
np.__version__
'1.20.1'
Python List的特点
L=[i for i in range(10)]
L
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
L[5]
5
L[5]=100
L
[0, 1, 2, 3, 4, 100, 6, 7, 8, 9]
L[5]= "Machine Learning"
L
[0, 1, 2, 3, 4, 'Machine Learning', 6, 7, 8, 9]
import array
arr=array.array('i',[i for i in range(10)])
arr
array('i', [0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
arr[5]
5
arr[5]=100
arr
array('i', [0, 1, 2, 3, 4, 100, 6, 7, 8, 9])
arr[5]= "Machine Learing"
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
<ipython-input-17-697ed9c86513> in <module>
----> 1 arr[5]= "Machine Learing"TypeError: an integer is required (got type str)
numpy.array
nparr=np.array([i for i in range(10)])
nparr
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
nparr[5]
5
nparr[5]='Machine Learning'
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
<ipython-input-20-b468797a806a> in <module>
----> 1 nparr[5]='Machine Learning'ValueError: invalid literal for int() with base 10: 'Machine Learning'
nparr.dtype
dtype('int32')
nparr[5]=5.0
nparr
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
nparr
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
nparr.dtype
dtype('int32')
nparr[5]=3.14
nparr
array([0, 1, 2, 3, 4, 3, 6, 7, 8, 9])
nparr.dtype
dtype('int32')
nparr2 = np.array([1,2,3.0])
nparr2.dtype
dtype('float64')
[云炬python3玩转机器学习笔记] 3-3Numpy数据基础相关推荐
- [云炬python3玩转机器学习笔记] 1-3课程所使用的主要技术栈
课程环境 语言:Python3 框架:Scikit-learn 其他框架:numpy,matplotlib... IDE:Jupyter Notebook,PyCharm,ANACONDA 课程学习基 ...
- [云炬python3玩转机器学习笔记] 3-2 Jupter Notebook魔法命令
xxxxxxxxxx### %run %run¶ In [1]:%run myscript/hello.py hello Machine Learning ! . . .In [2]:xxxxxxxx ...
- [云炬python3玩转机器学习笔记] 3-1 Jupyter Notebook
1+2for _ in range(5):print("Hello, Machine Learning!")5+5*29+9print("天津云炬网络科技有限公司&quo ...
- [云炬python3玩转机器学习笔记] 2-7开发环境搭建笔记
开发环境搭建笔记
- [云炬python3玩转机器学习笔记] 2-6关于回归和分类
在这一章,我们了解到了,机器学习主要可以处理的两大类问题,是回归和分类.看起来,似乎有些局限,但是,非常出人意料的,在我们现实生活中,很多问题,都可以通过化简,或者转换的手段,转换成分类问题或者回归问 ...
- [云炬python3玩转机器学习笔记] 2-5机器学习相关的哲学思考
2-5机器学习相关的哲学思考
- [云炬python3玩转机器学习笔记] 2-4批量学习、咋西安学习、参数学习和非参数学习
机器学习的其他分类: 在线学习(online learining)和批量学习(离线学习 batch learning/offline learning): 批量学习(之前没有具体说明的话,都可以用批量 ...
- [云炬python3玩转机器学习笔记] 2-2机器学习主要任务
机器学习(监督学习)的主要任务 一.分类:将给定的数据进行分类- 二分类任务:二选一的方式,yes/no- 多分类任务:结果不仅仅在两个结果中,而是很多结果,获得的结果很明确- 数字识别- 图像识别- ...
- [云炬python3玩转机器学习笔记] 2-1机器学习基础概念
机器学习基础概念 一.关于数据 本文约定: 大写表示矩阵 小写表示向量 上标代表第几个样本 下标代表第几个特征 一般向量都表示为列向量 特征空间:每个维度都可以表示一个特征,形成一个空间(2D,3D, ...
- [云炬python3玩转机器学习笔记] 1-1什么是机器学习
一. 什么是机器学习 机器学习本质是在模拟人类进行思考学习,人类的思考学习大部分来自经验的积累,机器学习也一样 二.机器学习的应用场景 (一)已投入生产的 (二)未来需要运用机器学习的领域 在未来,A ...
最新文章
- java 图片合成 工具类_Java实现的图片上传工具类完整实例
- django18:auth模块
- 从一个帖子看 所谓“知乎” 的真实水平
- 项目管理中的沟通管理(转)
- 操作系统重装或还原后Domino 8 无法启动解决方法
- 可在网络不好的环境下运行的ENet示例程序
- MTK:GPIO模式与设置
- 在不安装oracle,在linux上安装oracle 10g上还是不顺利
- python3.6- shape mismatch: objects cannot be broadcast to a single shape
- MySQL(15)-----运算符和优先级查询结果拼接处理及CONCAT()、CONCAT_WAS()和GROUP_CONCAT()函数的使用
- Mugeda(木疙瘩)H5案例课—重力感应类H5-岑远科-专题视频课程
- type-C 边充电边听歌(OTG) PD芯片方案,LDR6028 PD充电加OTG方案
- 台风怎么看内存颗粒_《CY》又一4000+的颗粒,三星新版D-DIE颗粒超频测试
- springboot启动项目编码问题
- 敏锐嗅出商机,她瞄准花卉市场的空白,将花店开出名气
- 使用计算机录制声音10,Win10怎么录制电脑内部声音 Win10电脑自身录音教程
- ip-guard如果服务器 IP 地址或机器名变更之后对客户端或控制台会有影响吗?
- 【华为机试真题详解】不含 101 的数【2022 Q4 | 100分】
- 梅科尔工作室-华为云ModelArts的简单使用(附详细图解)
- oracle rac 11.2.0.4 镜像copy迁移数据到新存储