网络数通知识点(通信基础知识视频)
Numpy基金会
1.了解矢量化操作
Python之所以受欢迎,是因为它真的很方便写程序。执行python程序时,程序被交给python解释器执行。开发人员不需要处理内存分配和清理。Python是一种高级语言,编写速度快,但执行速度慢。c是一种低级语言,写起来慢,执行起来快。Pandas和numpy可以实现快速的程序编写和执行。主要原因是矢量化操作矢量化利用名为SIMD的处理器来更快地处理数据。2.纽约机场租赁数据。
皮卡_year:出行年皮卡_month:出行月皮卡_day:出行日皮卡_location_code:连接点dropoff_location_code :到达点trip_distance:出行距离trip_len Gth:出行时间票价_金额:出行成本总额_金额:总成本nyc _ taxis.csv下载地址导入csv
将numpy作为np导入
#导入nyc_taxi.csv作为列表列表
f=open(' NYC _ taxi . CSV ',' r ')
#删除第一行
taxi _ list=list(CSV . reader(f))[1:]
#将内部的数值转换为浮点类型。
转换后的_出租车_列表=[]
对于出租车列表中的行:
converted_row=[]
对于行:中的每个
converted_row.append(float(每个))
转换后的出租车列表追加(转换后的行)
#生成数组对象
taxi=np.array(转换后的_taxi_list)
3.理解数组对象
N数组对应“N维数组”——N维数组主要处理一维数组和二维数组。数组中的每个元素不一定是同一类型。n数组属性#定义了一个祖先(x,y)
#其中x表示数组有多少行,y表示数组有多少列。
taxi.shape()
行切片#行切片
的士〔1:〕
taxi_ten=taxi[:10]
打印(出租车_十)
4.数组元素选择和切片
通用公式#通用公式
出租车[行,列]
#行和列可以是单个数字、切片或列表,如[1,3,7]
#例如,行- 3:5,列- 4,6-4,6,这意味着选择了3-5行和4-6列的数据。
#选择第一行
row_0=出租车[0]
#选择391到500行(包括500行)
row _ 391 _ to _ 500=taxi[391:501]
#选择21行5列的元素。
row_21_column_5=taxi[21,5]
#示例
的士〔1:3,3〕
#示例
的士〔0:3,2:7〕
5.向量计算
Numpy比python list快30倍。向量计算:将numpy作为np导入
#现有列表
我的号码=[
[6, 5],
[1, 3],
[5, 6],
[1, 4],
[3, 7],
[5, 8],
[3, 5],
[8, 4]
]
#计算总和
# 1首先将列表列表转换为numpy ndarray。
data=np.array(my_numbers)
# 2获取第一列和第二列的1D数组。
column_01=数据[:0]
column_02=数据[:1]
#第一列和第二列的总和
sum=column_01 column_02
矢量计算可以用加减乘除6。数字算术运算。
Numpy常用算术方法链接
1D阵列常用计算#最大值
trip.max()
#最小值
trip.min()
#平均
trip.mean()
# Sum
trip.sum()
2D数组的常用计算#如果需要计算所有数据
Ndarray.max() # -返回一个数字,即所有数据的最大值。
#如果需要计算每行的最大值
Ndarray.max(轴=1)#-返回一个1D数组。
#计算每列的最大值
Ndarray.max(轴=0)#-返回一个1D数组。
7.向数组中添加行或列。
要添加两个数组,形状必须一致#您可以使用expand_dim()函数来更改形状。
zeros _ 2d=np.expand _ dims(零,轴=0)
#使用np.concatenate()函数实现合并。
组合=NP . concatenate([one,zeors_2d],axis=0)
8.数组排序
使用np.argsort()函数,np.argsort()返回一个作为数组排序的索引。例如:#对下一个数组对象进行排序。
水果=np.ndarray(['橙子','香蕉','苹果','葡萄','樱桃'])
#排序,返回索引
sorted_order=np.argsort(水果)
#获取排序后的数组
分类水果
点击获取本文使用的数据。
如果你想学习数据分析和机器学习,你可以在一个宝藏中搜索“知识、实践和卓越”。