我的编程空间,编程开发者的网络收藏夹
学习永远不晚

python数据分析Numpy库的常用操作

短信预约 -IT技能 免费直播动态提醒
省份

北京

  • 北京
  • 上海
  • 天津
  • 重庆
  • 河北
  • 山东
  • 辽宁
  • 黑龙江
  • 吉林
  • 甘肃
  • 青海
  • 河南
  • 江苏
  • 湖北
  • 湖南
  • 江西
  • 浙江
  • 广东
  • 云南
  • 福建
  • 海南
  • 山西
  • 四川
  • 陕西
  • 贵州
  • 安徽
  • 广西
  • 内蒙
  • 西藏
  • 新疆
  • 宁夏
  • 兵团
手机号立即预约

请填写图片验证码后获取短信验证码

看不清楚,换张图片

免费获取短信验证码

python数据分析Numpy库的常用操作

numpy库的引入:

import numpy as np

1、numpy对象基础属性的查询

lst = [[1, 2, 3], [4, 5, 6]]
 
def numpy_type():
    print(type(lst))
    data = np.array(lst, dtype=np.float64)  # array将数组转为numpy的数组
 
    # bool,int,int8,int16,int32,int64,int128,uint8,uint32,
    # uint64,uint128,float16/32/64,complex64/128
 
    print(type(data))  # 数据类型
    print(data.shape)  # 几行几列
    print(data.ndim)  # 空间维数
    print(data.dtype)  # 元素类型
    print(data.itemsize)  # 元素所占字节
    print(data.size)  # 元素总数

2、numpy的数组的常用操作

def numpy_array():
    # 输出2行4列的全0的numpy的array数组
    print(np.zeros([2, 4]))  # 一般用于数据初始化
 
    # 输出3行5列的全1的numpy的array数组
    print(np.ones([3, 5]))
 
    # 随机数
    print(np.random.rand(2, 4))  # 生成2行4列的随机数矩阵,此时默认元素大小在0到1
    print(np.random.rand())  # 打印一个随机数,此时默认元素大小在0到1
    print(np.random.rand(1, 10, 3))  # 三个参数分别对应x、y、z轴,表示三维矩阵
 
    # 与rand不同randint的三个参数表示范围[1,10)内的3个元素的一维数组
    print(np.random.randint(1, 10, 3))  
 
    print(np.random.randint(1, 10))  # randint必须传入参数范围,这表示返回一个范围内的随机数
    print(np.random.randn())  # 返回一个标准正态分布的随机数
    print(np.random.randn(2, 4))  # 返回2行4列符合标准正态发布的随机数
    print(np.random.choice([10, 2, 3, 1, 5, 6]))  # 从可迭代数组中随机返回一个
    print(np.random.beta(1, 10, 100))  # 随机生成[1,10]里符合beta发布的100元素的一维数组
 
    lst1 = np.array([10, 20, 30, 40])
    lst2 = np.array([4, 3, 2, 1])
    # 直接操作
    print(lst2 + lst1)
    print(lst2 - lst1)
    print(lst2 / lst1)
    print(lst2 * lst1)
    print(lst2 ** lst1)  # 平方
 
    # 点乘
    print(np.dot(lst1.reshape([2, 2]), lst2.reshape([2, 2])))
 
    # 追加
    print(np.concatenate((lst2, lst1), axis=0))  # 0水平追加,1竖向追加
    print(np.vstack((lst2, lst1)))  # 竖向追加
    print(np.hstack((lst2, lst1)))  # 水平追加
 
    # 分裂
    print(np.split(lst2, 2))  # 分成2份
 
    # 拷贝
    print(np.copy(lst2))

3、numpy常用数据操作方法

def numpy_handle():
    print(np.arange(1, 11))  # 生成[1,11)里的整数的一维数组,默认按1递增
    print(np.arange(1, 11).reshape([2, 5]))  # reshape方法可以将矩阵重构为x行y列的矩阵
    print(np.arange(1, 11).reshape([2, -1]))  # 也可以使用缺失值-1实现相同的效果
    data = np.arange(1, 11).reshape([2, -1])
    print(np.exp(data))  # 自然指数e的指数操作
    print(np.exp2(data))  # 自然指数e的平方操作
    print(np.sqrt(data))  # 开方操作
    print(np.sin(data))  # 三角函数
    print(np.log(data))  # 对数操作
    print(data.max())  # 最大值
    print(data.min())  # 最小值

4、numpy里axis的理解

def numpy_axis():
    data = np.array([
        [[1, 2, 3, 4],
         [5, 6, 7, 8]],
        [[9, 10, 11, 12],
         [13, 14, 15, 16]],
        [[17, 18, 19, 20],
         [20, 21, 22, 23]]
    ])
    # axis从外而内的渗入,值越大渗透入层数越多,最大为n-1
    # axis=0,表示从外而内n+1层,即1进行解析
    print(data.sum(axis=2))  # 求和  #这里渗入了3层
    print(data.max(axis=1))  # 获取最大值
    print(data.min(axis=0))  # 获取最小值

5、numpy里常用的线性代数计算

这里记得引入依赖:

from numpy.linalg import *  # 引入线性方程组的依赖
def numpy_line():
    from numpy.linalg import *  # 引入线性方程组的依赖
    print(np.eye(3))  # 阶级为3的单位矩阵
    lst3 = np.array([[1, 2],
                     [3, 4]])
    print(inv(lst3))  # 逆矩阵
    print(lst3.transpose())  # 转置矩阵
    print(det(lst3))  # 行列式
    print(eig(lst3))  # 体征值和体征向量,第一个表示体征值,第二个表示体征向量
    y = np.array([[5.], [7.]])
    print(solve(lst3, y))  # 求解线性矩阵方程

了解更多参考官方手册:NumPy 参考手册 | NumPy 中文

到此这篇关于python数据分析Numpy库的常用操作的文章就介绍到这了,更多相关python数据分析 Numpy库内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网!

免责声明:

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

python数据分析Numpy库的常用操作

下载Word文档到电脑,方便收藏和打印~

下载Word文档

猜你喜欢

python中Numpy库的常用操作是什么

这篇文章给大家介绍python中Numpy库的常用操作是什么,内容非常详细,感兴趣的小伙伴们可以参考借鉴,希望对大家能有所帮助。numpy库的引入:import numpy as np1、numpy对象基础属性的查询lst = [[1, 2
2023-06-22

Android中数据库常见操作实例分析

本文实例讲述了Android中数据库常见操作。分享给大家供大家参考,具体如下: android中数据库操作是非常常见了,我们会经常用到,操作的方法也有很多种形式,这里我就把最常见的两种形式记录下来了,以备以后用到方便查看。我就不写注释和解释
2022-06-06

Python中的Numpy面向数组编程常见操作实例分析

这篇文章主要介绍“Python中的Numpy面向数组编程常见操作实例分析”的相关知识,小编通过实际案例向大家展示操作过程,操作方法简单快捷,实用性强,希望这篇“Python中的Numpy面向数组编程常见操作实例分析”文章能帮助大家解决问题。
2023-07-02

Python操作Access数据库基本步骤分析

本文实例分析了Python操作Access数据库基本步骤。分享给大家供大家参考,具体如下: Python编程语言的出现,带给开发人员非常大的好处。我们可以利用这样一款功能强大的面向对象开源语言来轻松的实现许多特定功能需求。比如Python操
2022-06-04

PG数据库常用操作

全量迁移备份数据$ pg_dump -h 172.19.235.145 -U -d > 20180704_dbpe.sql正式迁移首先要修改备份文件*.sql的owner,防止权限出现错误。$ psql -h -U -d -f 20180704_db
PG数据库常用操作
2015-09-21

Pandas数据操作及数据分析常用技术介绍

Pandas是Python中用于数据处理和数据分析的库,具有强大的数据操作和分析功能,包括数据清洗、转换、筛选、聚合等。常用技术有数据读取与写入、数据索引、数据切片、数据合并、数据透视表、数据可视化等,适用于各种数据分析和机器学习任务
2023-05-18

Python的数据库操作

使用原生SQL语句进行对数据库操作,可完成数据库表的建立和删除,及数据表内容的增删改查操作等。其可操作性很强,如可以直接使用“show databases”、“show tables”等语句进行表格之外的部分操作。Centos7远程操作数据
2023-01-31

Python数据分析Numpy中常用相关性函数是什么

今天小编给大家分享一下Python数据分析Numpy中常用相关性函数是什么的相关知识点,内容详细,逻辑清晰,相信大部分人都还太了解这方面的知识,所以分享这篇文章给大家参考一下,希望大家阅读完这篇文章后有所收获,下面我们一起来了解一下吧。摘要
2023-06-30

python数据库操作mysql:pymysql、sqlalchemy常见用法详解

本文实例讲述了python数据库操作mysql:pymysql、sqlalchemy常见用法。分享给大家供大家参考,具体如下: 相关内容:使用pymysql直接操作mysql创建表查看表修改表删除表插入数据查看数据修改数据删除数据使用sql
2022-05-29

Python常见的数据分析库有哪些

这篇文章主要介绍“Python常见的数据分析库有哪些”,在日常操作中,相信很多人在Python常见的数据分析库有哪些问题上存在疑惑,小编查阅了各式资料,整理出简单好用的操作方法,希望对大家解答”Python常见的数据分析库有哪些”的疑惑有所
2023-06-02

编程热搜

  • Python 学习之路 - Python
    一、安装Python34Windows在Python官网(https://www.python.org/downloads/)下载安装包并安装。Python的默认安装路径是:C:\Python34配置环境变量:【右键计算机】--》【属性】-
    Python 学习之路 - Python
  • chatgpt的中文全称是什么
    chatgpt的中文全称是生成型预训练变换模型。ChatGPT是什么ChatGPT是美国人工智能研究实验室OpenAI开发的一种全新聊天机器人模型,它能够通过学习和理解人类的语言来进行对话,还能根据聊天的上下文进行互动,并协助人类完成一系列
    chatgpt的中文全称是什么
  • C/C++中extern函数使用详解
  • C/C++可变参数的使用
    可变参数的使用方法远远不止以下几种,不过在C,C++中使用可变参数时要小心,在使用printf()等函数时传入的参数个数一定不能比前面的格式化字符串中的’%’符号个数少,否则会产生访问越界,运气不好的话还会导致程序崩溃
    C/C++可变参数的使用
  • css样式文件该放在哪里
  • php中数组下标必须是连续的吗
  • Python 3 教程
    Python 3 教程 Python 的 3.0 版本,常被称为 Python 3000,或简称 Py3k。相对于 Python 的早期版本,这是一个较大的升级。为了不带入过多的累赘,Python 3.0 在设计的时候没有考虑向下兼容。 Python
    Python 3 教程
  • Python pip包管理
    一、前言    在Python中, 安装第三方模块是通过 setuptools 这个工具完成的。 Python有两个封装了 setuptools的包管理工具: easy_install  和  pip , 目前官方推荐使用 pip。    
    Python pip包管理
  • ubuntu如何重新编译内核
  • 改善Java代码之慎用java动态编译

目录