• 数组的构造,运算及常用函数


    数据分析

    数组的构造

    一维数组
    # 导入第三方模块
    import numpy as np
    # 将列表转换为数组进行计算
    Height = np.array(height)
    Weight = np.array(weight)
    BMI = Weight/(Height/100)**2
    
    age = np.array([13,19,22,14,19,11])
    age[-1]
    age[:3]
    age[0,3,5]
    # 逻辑索引
    age[age<18]
    
    二维数组
    import numpy as np
    # 基于嵌套列表创建二维数组
    arr1 = np.array([[1,3,5,7],
    [2,4,6,8],
    [11,13,15,17],
    [12,14,16,18],
    [100,101,102,103]])
    # 基于嵌套元组创建二维数组
    arr2 = np.array(((8.5,6,4.1,2,0.7),(1.5,3,5.4,7.3,9),
    (3.2,3,3.8,3,3),(11.2,13.4,15.6,17.8,19)))
    # 二维数组的打印结果
    print(arr1,'
    ')
    print(arr2)
    
    [[  1   3   5   7]
     [  2   4   6   8]
     [ 11  13  15  17]
     [ 12  14  16  18]
     [100 101 102 103]] 
    
    [[ 8.5  6.   4.1  2.   0.7]
     [ 1.5  3.   5.4  7.3  9. ]
     [ 3.2  3.   3.8  3.   3. ]
     [11.2 13.4 15.6 17.8 19. ]]
    
    # arr1[1,:]
    [2, 4, 6, 8]
    # arr1[1, 1]
    6
    # arr1[:,:]
    [[  1   3   5   7]
     [  2   4   6   8]
     [ 11  13  15  17]
     [ 12  14  16  18]
     [100 101 102 103]] 
    

    数组的运算

    数学运算符

    比较运算符

    数组的函数

    数学函数

    统计函数
    axis=0时,计算数组各列的统计值
    axis=1时,计算数组各行的统计值
    

    Example
    # 构造3×3的二维矩阵
    arr4 = np.array([[1,10,100],[2,20,200],[3,30,300]])
    print(arr4)
    print('垂直方向计算数组的和:
    ',np.sum(arr4,axis = 0))
    print('水平方向计算数组的和:
    ',np.sum(arr4, axis = 1))
    
    out:
        [[  1  10 100]
     [  2  20 200]
     [  3  30 300]]
    垂直方向计算数组的和:
     [  6  60 600]
    水平方向计算数组的和:
     [111 222 333]
    

    随机数的生成

    import numpy as np
    # 随机整数
    np.random.randint()
    # 随机均匀分布
    np.random.randuniform()
    # 随机正态分布
    np.random.normal()
    
  • 相关阅读:
    今天辞职了
    数据库导出Excel
    2009.5重庆之行(二),5.23
    SQL远程连接操作
    上周入手WD500GB笔记本硬盘,上图
    [测试]Gridview绑定SqlDataReader+IList<T>和SqlDataAdapter+DataSet的效率
    SQL处理表重复记录(查询和删除)
    数据库导出excel (二)
    写了一个简单的手机号码正则
    SET XACT_ABORT 与 SET NOCOUNT的语法
  • 原文地址:https://www.cnblogs.com/godlover/p/13926437.html
Copyright © 2020-2023  润新知