day2--numpy
numpy–科学计算库
将第二个值与向量中的每个值进行比较,值相等python解释器返回true,否则返回false
import numpy
vector = numpy.array([5, 10, 15, 20])
vector == 10
—array([False, True, False, False], dtype=bool)同1(与矩阵中的每个值相比较)
matrix = numpy.array([
[5, 10, 15],
[20, 25, 30],
[35, 40, 45]
])
matrix == 25
—array([[False, False, False],
[False, True, False],
[False, False, False]], dtype=bool)
- 将vector与值10进行比较,值10生成一个新的布尔向量[False、True、False、False]。它将这个结果赋给equal_to_ten
vector = numpy.array([5, 10, 15, 20])
equal_to_ten = (vector == 10)
print(equal_to_ten)
print(vector[equal_to_ten])
—[False True False False]
[10]
- 表示选取所有的行 逗号隔开 然后取列 取的是第一列(从0开始) 然后直接对这一列的值进行判断 判断这一列
中的元素是否等于25 并将其布尔类型的值传递给second_conlumn_25,然后打印出的second_conlumn_25的结果为一个布尔类型的列表,而把second_conlumn_25当作索引值 我们去寻找有25的这一行 逗号隔开 :表示直接选取这一行的数据 然后打印出来
matrix = numpy.array([
[5, 10, 15],
[20, 25, 30],
[35, 40, 45]
])
second_column_25 = (matrix[:,1] == 25)
print(second_column_25)
print(matrix[second_column_25, :])
—[False True False]
[[20 25 30]]
- 查找当前的这个矩阵中的数既等于10又等于5的数 显然不存在 所以全部输出False
vector = numpy.array([5, 10, 15, 20])
equal_to_ten_and_five = (vector == 10) & (vector == 5)
print(equal_to_ten_and_five)
—[False False False False]
6.查找当前的这个矩阵中的数等于10或者等于5的数,所以输出True True False False
vector = numpy.array([5, 10, 15, 20])
equal_to_ten_or_five = (vector == 10) | (vector == 5)
print(equal_to_ten_or_five)
—[ True True False False]
查找出等于10或者等于5的数,替换成50,其余值不变,打印该向量
vector = numpy.array([5, 10, 15, 20])
equal_to_ten_or_five = (vector == 10) | (vector == 5)
vector[equal_to_ten_or_five] = 50
print(vector)
—[50 50 15 20]将第二列等于25的值替换成10
matrix = numpy.array([
[5, 10, 15],
[20, 25, 30],
[35, 40, 45]
])
second_column_25 = matrix[:,1] == 25
print(second_column_25)
matrix[second_column_25, 1] = 10
print(matrix)
—[False True False]
[[ 5 10 15]
[20 10 30]
[35 40 45]]
我们可以使用ndarray.astype()方法转换数组的数据类型
vector = numpy.array([“1”, “2”, “3”])
print(vector.dtype)
print(vector)
vector = vector.astype(float)
print(vector.dtype)
print(vector)
—<U1
[‘1’ ‘2’ ‘3’]
float64
[ 1. 2. 3.]向量求和
vector = numpy.array([5, 10, 15, 20])
print(vector.sum())
—50轴指示我们在哪个维度上执行操作(axis=1表示我们希望对每行执行操作,axis=0表示对每列执行操作)
下面是对矩阵每行进行求和:
matrix = numpy.array([
[5, 10, 15],
[20, 25, 30],
[35, 40, 45]
])
print(matrix.sum(axis=1))
—[ 30 75 120]按列求和
matrix = numpy.array([
[5, 10, 15],
[20, 25, 30],
[35, 40, 45]
])
print(matrix.sum(axis=0))
—[60 75 90]将缺失值用0表示(mean函数求均值)
world_alcohol = numpy.genfromtxt(“world_alcohol.txt”, delimiter=",")
is_value_empty = numpy.isnan(world_alcohol[:,4])
world_alcohol[is_value_empty, 4] = ‘0’
alcohol_consumption = world_alcohol[:,4]
alcohol_consumption = alcohol_consumption.astype(float)
total_alcohol = alcohol_consumption.sum()
average_alcohol = alcohol_consumption.mean()
print(total_alcohol)
print(average_alcohol)
—1137.78
1.14006012024
day2--numpy相关推荐
- python怎么安装request_【python】如何安装requests
在cmd窗口输入pip install requests即可,如下 C:\Users\horn1\Desktop\python\4>pip install requests Collecting ...
- 数据科学包——Day2
数据科学包--Day2 利用Pandas, Numpy进行电影数据分析 准备工作 任务: 数据读取 数据合并 按性别查看各个电影的平均评分 男女评分差异最大的电影 活跃电影排行 前十大活跃电影--被评 ...
- OpenCV 笔记(07)— Mat 对象输出格式设置(Python 格式、CSV 格式、NumPy 格式、C 语言格式)
首先是下面代码中将要使用的 r 矩阵的定义.需要注意,我们可以通过用 randu 函数产生的随机值来填充矩阵, 需要给定一个上限和下限来确保随机值在期望的范围内. Mat r = Mat(2, 3, ...
- NumPy — 创建全零、全1、空、arange 数组,array 对象类型,astype 转换数据类型,数组和标量以及数组之间的运算,NumPy 数组共享内存
NumPy 简介 一个用 python 实现的科学计算包.包括: 1.一个强大的 N 维数组对象 Array : 2.比较成熟的(广播)函数库: 3.用于整合 C/C++ 和 Fortran 代码的工 ...
- Python+OpenCV 图像处理系列(8)—— Numpy 对象及图像对象创建与赋值
1. Numpy 相关知识 1.1 Ndarray 对象 在了解 OpenCV 的图像对象之前我们先对 NumPy 的基础知识做一回顾,方便我们后续更进一步理解图像对象的一系列操作. In [2]: ...
- dataframe,python,numpy 问题索引2
20220330 print(frame3.isnull().any()) 找出存在空值的列 print("========================") print(fra ...
- dataframe,python,numpy 问题索引1
# 找出只有赌场数据的账户 gp=data.groupby(['查询账号','场景标签'],as_index=True) tj=gp.size().reset_index()按查询账号和场景标签分组并 ...
- 数组的拼接合并 numpy
Python中numpy数组的合并有很多方法,如 np.append() np.concatenate() np.stack() np.hstack() np.vstack() np.dstack() ...
- view(*args)改变张量的大小和形状_pytorch reshape numpy
20201227 这个方法是在不改变数据内容的情况下,改变一个数组的格式,参数及返回值,官网介绍: a:数组–需要处理的数据 newshape:新的格式–整数或整数数组,如(2,3)表示2行3列,新的 ...
- 用NumPy genfromtxt导入数据
用NumPy genfromtxt导入数据 NumPy provides several functions to create arrays from tabular data. We focus ...
最新文章
- 【spring】自动装配
- php识别名片,用户信息名片怎么利用PHP实现自动生成
- 用户可计算型出题程序
- Myeclipse里出现两个tomcat,一个是默认的,一个是我增加的,应该用哪个呢?
- springboot-21-maven多环境打包
- Jmeter html 报告中添加90% line time
- iapp退出软件按钮代码_推荐几款安卓手机开发的编程软件!
- hdu4282 A very hard mathematic problem
- 怎么把优酷的kux格式转换成avi格式
- EDI 单据和标准是什么?
- 苹果开发者账号申请需要注意的三要素
- c#字符串的格式化输出
- 如何屏蔽百度搜索推广
- [转]JFFS2源代码情景分析Beta2
- 什么是 Android?
- html网页的无缝拼接,2、图形化的网页-)图形的无缝拼接
- oracle 12 c盘已共享,求助,12c使用iscsi作为共享存储的问题,数据不同步 - Oracle论坛 - 51CTO技术论坛_中国领先的IT技术社区...
- 99mtc:锝99m同位素-小分子/抗体/纳米粒子等材料放射性标记材料标记实验的设计原则
- 网络控制系统仿真:Truetime2.0工具箱安装(win10 + matlab R2017b)
- H.266/VVC技术学习:帧内预测之PDPC技术
热门文章
- 使用spring ioc基于纯xml配置模拟crud
- 校验json格式_接口的登录状态校验以及JWT
- php 创建任务程序命令行,PHP Yii 命令行程序以及定时任务详解
- Go基础:不同数据类型作为函数参数传递值传递/地址(引用)传递判断
- Guava学习笔记(四):复写的Object常用方法
- HttpUtility.UrlEncode、HttpUtility.UrlDecode、Server.UrlEncode、Server.UrlDecode的区分与应用
- C++语法_深度剖析C++中的inline函数
- 前端复习笔记(三)——JavaScript和JQuery
- 深度学习|三维重建:R-MVSNet
- Kaggle实战之房价预测