目录:

Tab 键自动完成

%run命令

“Ctri-C” 中断正在执行的代码

忘记输入和输出文本怎么办

创建数组

zero 和ones

arange(),生成一定长度的数量

dtype,将一块内存解释为TED数据类型所需的信息

astype ,转换dtype

切片

布尔型索引

花式索引:利用整数数组进行索引

数据转置和轴兑换

通用函数

np.meshgrid 函数(接受两个一维数组,并产生两个二维矩阵)

np.where 函数 (根据另一个数组而产生一个新的数组)

数学和统计方法

运用布尔型数组的方法

排序 sort

唯一化以及其他的集合逻辑

将数组以二进制格式保存到磁盘

存取文本文件

线性代数

随机数生成 ,numpy.random模块

正文

Tab 键自动完成

将与已输入的字符串相比配的变量找出来

1.

1.

2. %run命令

通过%run命令运行文件

2.

3. “Ctri-C” 中断正在执行的代码

4.忘记输入和输出文本怎么办

Ipython 会将最近的两个输出结果分布保存在_ 和__(两个下划线)变量中

4.

4.1

输入的文本保存在 _ix 的变量中,x为输入行的行号,对应的输出变量 _x

4.2.png

5.创建数组

最简单的办法就是使用array函数,例如列表转化为数组:

5

6.zero 和ones 可分别创建指定长度或形状的全0或全1数组,ones_like,zero_like, 以另一个数组为模板,生成全为0或1的数组

6

7.arange(),生成一定长度的数量;

eye、identity, 创建对角线为1,其余为0 的 正方形矩阵

7

8.dtype,将一块内存解释为TED数据类型所需的信息

8

9.astype ,转换dtype

9

10.切片

10

11.布尔型索引

11

11.1

12.花式索引:利用整数数组进行索引

花式索引和切片不一样,它总是将数据复制到新数组中

12

13. 数据转置和轴兑换

T 转换

13

transpose转换:需得到一个由轴编号组成的元组(没懂)

13.1

swapaxes方法:需接受一对轴编号

13.2

14.通用函数

sqrt 各元素的平方根

14

square 各元素的平方

abs, fabs 计算整数、浮点数、或复数的绝对值。对于非复数值,fabs 更快

exp 计算各元素的指数

log 、 log10、 log2、log1p

sign 计算各元素的正负号:1(正数)0(零)-1(负数)

ceil 大于等于该值的最小整数

floor 小于等于该值的最大整数

rint 将各元素值四舍五入到最接近的整数,保留dtype

modf 将数组的小数和整数部分以两个独立数组的形式返回

isnan 返回一个表示“哪些值是NaN”的布尔型数组

cos 、cosh、 sin、 sinh、tan、tanh 普通型和双曲性三角函数

arccos、arccosh、arcsin、arcsinh、arctan、arctanh 反三角函数

logical_not 计算各元素notx 的真值。相当于-arr

add 将数组中对应的元素相加

14.1

subtract 从第一个数组中减去第二个数组中的元素

multiply 数组元素相乘

divide、floor_divide 除法或整除法(丢弃余数)

power A的B次方

maximum、 fmax 元素级的最大值计算。 fmax 将忽略NaN

minimum、fmin y元素级的最小值计算。 fmin 将忽略NaN

mod 元素级的求模计算(除法的余数)

copysign 将第二个数组中的值的符号复制给第一个数组中的值

greater、greater_equal 执行元素级的比较运算,最终产生布尔型数组

less, less_equal,equal,not_equal

logical_and, logical_or, logical_xor 执行元素级的真值逻辑运算

15.np.meshgrid 函数(接受两个一维数组,并产生两个二维矩阵)

15

15.1

16.np.where 函数 (根据另一个数组而产生一个新的数组)

19

17.数学和统计方法

sum 对数组中全部或某轴向的元素求和

mean 算数平均数

17

std、var 标准差和方差

min、max 最大和最小值

argmin 、argmax 最大和最小元素的索引

cumsum 所有元素的累积和

cumprod 所有元素的累积积

17.1

18.运用布尔型数组的方法

sum 经常用来对布尔型数组中的True值计算

any 用来测试数组不是是否存在一个或多个True

all 检查数组中所有值是否都是True

18

19. 排序 sort

就地排序

19

多维数组可以在任何一个轴上进行排序,只需轴号

19.1

20. 唯一化以及其他的集合逻辑

np.unique : 找出数组中的唯一值并返回已排序的结果

20

np.in1d : 测试一个数组中的值在另一个数组中的成元资格,返回一个布尔型数组

20.1

intersect1d(x,y) 计算x和y中的公共元素,并返回有序结果

union1d(x,y) 计算x 和y的公共元素,并返回有序结果

union1d(x,y) 计算x 和y 的并集, 并返回有序结果

setdiff1d(x,y) 集合的差, 即元素在x中且不在y中

setxor1d(x,y) 集合的对称差,即存在于一个数组中单不同时存在于两个数组中的元

21.将数组以二进制格式保存到磁盘

np.save ,默认情况下,数组以未压缩的原始二进制格式保存在扩展名为.npy的文件中

np.load , 读取磁盘上的数组

np.savez 可以将多个数组保存到一个压缩文件中,将数组以关键字参数的形式传入即可

21

22. 存取文本文件

np.loadtxt : 将数据加载到普通的NumPy数组中

arr = np.loadtxt('array_ex.txt' , delimiter=',')

np.savetxt: 将数组写到以某种分隔符隔开的文本文件中

23.线性代数

dot 函数, 对两个二维数组相乘得到一个矩阵点积

23

numpy.linalg 中有一组标准的矩阵分解运算的方程

diag ,以一维数组的形式返回 方阵的对角线元素

trace 计算对角线元素的和

det 计算矩阵行列式

eig 计算方阵的本征值和本证向量

inv 计算方阵的逆

pinv 计算矩阵的Moore-Penrose伪逆

qr 计算QR分解

svd 计算奇异值分解(SVD)

solve 解线性方程组Ax=b, A为方阵

lstsq 计算Ax=b的最小二乘解

23

24.随机数生成 ,numpy.random模块

normal

24

seed 确定随机数生成器的种子

permutation 返回一个序列的随机排列或返回一个随机排列的范围

shuffle 对一个序列就地随机排列

rand 产生均匀分布的样本值

randint 从给定的上下限范围随机选取整数

randn 产生正态分布

binomial 产生二项分布的样本值

normal 产生正态(高斯)分布的样本值

beta 产生Beta分布的样本值

chisquare 产生卡方分布的样本值

gamma 产生Gamma 分布的样本值

uniform 产生在[0,1]中均匀分布的样本值

numpy将所有数据变为0和1_《利用python进行数据分析》1.0——Numpy库相关推荐

  1. 《利用Python进行数据分析》笔记--NumPy数组和矢量计算

    阅读SeanCheney博主上传的文章有感,特此写一篇笔记,如侵必删. 第四章 NumPy基础 NumPy的ndarray:一种多维数组对象 1. 创建ndarray array函数,接受序列性的对象 ...

  2. 利用Python进行数据分析:数据规整(基于DataFrame)

    利用Python进行数据分析:数据规整 在许多应用中,数据可能分散在许多文件或数据库中,存储的形式也不利于分析.本部分关注可以聚合.合并.重塑数据的方法. 文章目录 利用Python进行数据分析:数据 ...

  3. numpy将所有数据变为0和1_Numpy库学习

    之前照着<利用python进行数据分析>学过一边,代码也跟着敲了,但是如果不用的话,印象不深,忘的特别快.所以,现在再过一遍,并且记录一下,加深印象. 一.创建 numpy中的多维数组对象 ...

  4. 利用Python进行数据分析(7) pandas基础: Series和DataFrame的简单介绍 一、pandas 是什么 pandas 是基于 NumPy 的一个 Python 数据分析包,主

    利用Python进行数据分析(7) pandas基础: Series和DataFrame的简单介绍 一.pandas 是什么 pandas 是基于 NumPy 的一个 Python 数据分析包,主要目 ...

  5. python输入数组并计算_利用Python进行数据分析——Numpy基础:数组和矢量计算

    利用Python进行数据分析--Numpy基础:数组和矢量计算 ndarry,一个具有矢量运算和复杂广播能力快速节省空间的多维数组 对整组数据进行快速运算的标准数学函数,无需for-loop 用于读写 ...

  6. 利用Python进行数据分析--数据聚合与分组运算

    转载自:http://blog.csdn.net/ssw_1990/article/details/22422971 1.quantile计算Series或DataFrame列的样本分位数: [pyt ...

  7. 数据基础---《利用Python进行数据分析·第2版》第8章 数据规整:聚合、合并和重塑

    之前自己对于numpy和pandas是要用的时候东学一点西一点,直到看到<利用Python进行数据分析·第2版>,觉得只看这一篇就够了.非常感谢原博主的翻译和分享. 在许多应用中,数据可能 ...

  8. 数据基础---《利用Python进行数据分析·第2版》第12章 pandas高级应用

    之前自己对于numpy和pandas是要用的时候东学一点西一点,直到看到<利用Python进行数据分析·第2版>,觉得只看这一篇就够了.非常感谢原博主的翻译和分享. 前面的章节关注于不同类 ...

  9. 数据基础---《利用Python进行数据分析·第2版》第11章 时间序列

    之前自己对于numpy和pandas是要用的时候东学一点西一点,直到看到<利用Python进行数据分析·第2版>,觉得只看这一篇就够了.非常感谢原博主的翻译和分享. 时间序列(time s ...

  10. 数据基础---《利用Python进行数据分析·第2版》第7章 数据清洗和准备

    之前自己对于numpy和pandas是要用的时候东学一点西一点,直到看到<利用Python进行数据分析·第2版>,觉得只看这一篇就够了.非常感谢原博主的翻译和分享. 在数据分析和建模的过程 ...

最新文章

  1. 各种注意力机制PyTorch实现
  2. 刘强东:这4类员工必须尽快清除!
  3. Django REST framework的一些奇巧淫技(干货!!!)
  4. Visual Studio调试/加载速度很慢
  5. TypeScript 使用 字典 Dictionary
  6. 图像清晰度的评价及分析
  7. finalizer_Java Finalizer和Java文件输入/输出流
  8. oracle查看所有用户_Oracle实用命令查看共用一个表空间的所有用户
  9. Python3 Flask+nginx+Gunicorn部署(上)
  10. ES:记录curator+nfs进行索引备份、创建快照的一次实践
  11. 随机样本一致性:一种用于图像分析和自动制图的模型拟合模型(2)--(P3P)
  12. (28)VHDL实现数码管直译
  13. java 连续等_java操作JSON文件实现连续插入、添加等
  14. 机器学习——sklearn实现决策树(隐形眼镜预测和鸢尾花分类)
  15. poi批量导入导出Excel(一、需要建数据库表)
  16. typora+PicGo上传图片 配置免费图床
  17. hosts文件为空,仍然显示ERR_CONNECTION_RESET的解决方法(hosts.ics)
  18. 解密android日志xlog,安卓开发技巧2:自定义日志工具类XLog的实现
  19. 增量式分级判别回归树(IHDR)|翻译与笔记
  20. 史上最细gRPC(Go)入门教程(二)---gRPC初体验--hello world

热门文章

  1. win10浏览器加载很慢_win10加载网页很慢_win10打开浏览器加载网页很慢处理技巧...
  2. Javascript学习:删除字符串中的数字
  3. 浅谈网络地址转换(NAT)技术与内网、外网
  4. IDEA全局搜索Jar包中内容
  5. swisssql-sql server to oracle,Sql Server移植到Oracle之Migration Workbench
  6. 成都华为OD面试(补充中)
  7. Python可以做什么?
  8. 单片机光敏电阻c语言程序怎么写,求助 关于光敏电阻模块的单片机程序
  9. Mac下将文件复制到移动硬盘
  10. 信号生成和可视化——周期性/非周期性波形