首页天道酬勤网络数通知识点(通信基础知识视频)

网络数通知识点(通信基础知识视频)

admin 12-04 08:31 171次浏览

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”。

BBR魔改版怎么使用C++ OpenCV实现图像拼接创建过程计算机毕业设计ssm汽车租赁管理系统n5s69系统+程序+源码+lw+远程部署
python随机森林算法(随机森林特征选择) 识别红绿灯(caffe protobuf)
相关内容