usecols读取指定的列,索引,元组类型unpack如果True,读入属性将分别写入不同数组变量,Flase读入数据只能写入一个数组变量,默认Flase NumPy 数组属性 NumPy 数组的维数称为秩...如果值的类型转换为要插入,则它与输入数组不同。 插入没有原地的,函数会返回一个新数组。 此外,如果未提供轴,则输入数组会被展开。 ...numpy.unique(arr, return_index, return_inverse, return_counts) arr:输入数组,如果不是一维数组则会展开return_index:如果为true...个百分位数是这样一个值,它使得至少有 p% 的数据项小于或等于这个值,且至少有 (100-p)% 的数据项大于或等于这个值。 ...逆矩阵(inverse matrix):设A是数域上的一个n阶矩阵,若在相同数域上存在另一个n阶矩阵B,使得: AB=BA=E ,则我们称B是A的逆矩阵,而A则被称为可逆矩阵。注:E为单位矩阵。
如果值的类型转换为要插入,则它与输入数组不同。 插入没有原地的,函数会返回一个新数组。 此外,如果未提供轴,则输入数组会被展开。 ...numpy.unique(arr, return_index, return_inverse, return_counts) arr:输入数组,如果不是一维数组则会展开return_index:如果为true...numpy.average() numpy.average() 函数根据在另一个数组中给出的各自的权重计算数组中元素的加权平均值。 该函数可以接受一个轴参数。 如果没有指定轴,则数组会被展开。 ...逆矩阵(inverse matrix):设A是数域上的一个n阶矩阵,若在相同数域上存在另一个n阶矩阵B,使得: AB=BA=E ,则我们称B是A的逆矩阵,而A则被称为可逆矩阵。注:E为单位矩阵。 ...numpy.save(file, arr, allow_pickle=True, fix_imports=True) 参数说明: file:要保存的文件,扩展名为 .npy,如果文件路径末尾没有扩展名
关于NumPy数组的索引和切片操作的总结,如下表: 【例】利用Python的Numpy创建一维数组,并通过索引提取单个或多个元素。...关键技术:与上面的例子不一样,这个例子返回的结果是一个一维数组。具体程序代码如下所示: 【例10】根据上面的例子引申,把上述数组中,小于或等于15的数归零。...如果左表或右表中都没有出现组合键,则联接表中的值将为NA。 【例21】采用上面例题的dataframe,使用Left Join左连接方式合并数据帧。...如果为True,则不要使用连接轴上的索引值。生成的轴将标记为0…, n-1。 join_axes-这是索引对象的列表。用于其他(n-1)轴的特定索引,而不是执行内部/外部设置逻辑。...inplace:布尔值,默认是False,如果值为True,则就地排序 kind:指定排序算法,值为quicksort(快速排序)、mergesort(混合排序)或heapsort(堆排),默认值为
如果为 None,则如果所需内存分配小于或等于 ar1 和 ar2 大小之和的 6 倍,则会自动选择 ‘table’,否则将使用 ‘sort’。...如果没有合适的索引,返回 0 或 N(其中 N 为a的长度)。 sorter1-D 数组样式,可选 整数索引数组,将数组a排序为升序。它们通常是 argsort 的结果。...返回值: ptp(类似于 ndarray 或标量) 给定数组的范围 - 如果数组为一维,则为标量;如果数组为多维,则为沿给定轴的结果的新数组。...如果为 True,则允许中间计算修改输入数组 a,以节省内存。在这种情况下,此函数完成后输入 a 的内容是未定义的。 methodstr,可选。 此参数指定用于估计百分位数的方法。...如果输入包含小于 float64 的整数或浮点数,则输出数据类型为 float64。否则,输出的数据类型与输入的相同。如果指定了 out,则返回该数组。
当使用-1时,对应于-1的维数将是原始数组维数除以给定重塑的维数的乘积,以保持相同数量的元素。 2) Argpartition:查找数组中的N个最大值 ?...Numpy有一个名为argpartition的函数,它可以有效地找到N个值中最大的索引和N个值。它提供索引,如果需要排序的值,则可以进行排序。...例如,如果指定的间隔为[- 1,1],小于-1的值将变为-1,大于1的值将变为1。 ?...我们可以使用Numpy extract()函数从匹配条件的数组中提取特定的元素。...6, 9]) 类似地,我们可以将直接条件与和或(如果需要)结合使用 np.extract(((arr > 2) & (arr < 8)), arr) array([3, 4, 5, 6, 7])
对数组执行数学运算和逻辑运算时,NumPy 是非常有用的。在用 Python 对 n 维数组和矩阵进行运算时,NumPy 提供了大量有用特征。...安装 NumPy 如果你已经装有 Anaconda,那么你可以使用以下命令通过终端或命令提示符安装 NumPy: conda install numpy 如果你没有 Anaconda,那么你可以使用以下命令从终端上安装...例如,如果想要一个由 4 个对象组成的一维数组,且这 4 个对象均匀分布在 0~1,可以这样做: my_rand = np.random.rand(4) 如果我们想要一个有 5 行 4 列的二维数组,则...than 10 [False, False, False, False, False, False, True, True, True, True] 现在我们可以输出符合上述条件的元素: bool_arr...,我们可以得到值大于 6 小于 10 的元素: new_arr[(new_arr>6) & (new_arr<10)] 预期结果为:([7, 8, 9]) 广播机制 广播机制是一种快速改变 NumPy
将计算出 reshape 后的列数为 8。...当使用 -1 参数时,与-1 相对应的维数将是原始数组的维数除以新形状中已给出维数的乘积,以便维持相同数量的元素。 Argpartition:在数组中找到最大的 N 个元素。 ?...例如,如果指定的区间是 [-1,1],小于-1 的值将变为-1,而大于 1 的值将变为 1。 ? Clip 示例:限制数组中的最小值为 2,最大值为 6。...我们可以使用 Numpy extract () 函数从数组中提取符合条件的特定元素。...5, 6, 7]) setdiff1d:如何找到仅在 A 数组中有而 B 数组没有的元素 返回数组中不在另一个数组中的独有元素。
将计算出 reshape 后的列数为 8。...当使用 -1 参数时,与-1 相对应的维数将是原始数组的维数除以新形状中已给出维数的乘积,以便维持相同数量的元素。 Argpartition:在数组中找到最大的 N 个元素。...例如,如果指定的区间是 [-1,1],小于-1 的值将变为-1,而大于 1 的值将变为 1。 Clip 示例:限制数组中的最小值为 2,最大值为 6。...我们可以使用 Numpy extract () 函数从数组中提取符合条件的特定元素。...5, 6, 7]) setdiff1d:如何找到仅在 A 数组中有而 B 数组没有的元素 返回数组中不在另一个数组中的独有元素。
而原数组不变 flatten() 展开数组 shape的值:一个值(a, ) —– 一维 —– a表示数组中元素的个数两个值(a, b ) —– 二维 —- a表示数组中元素的行数,b表示数组中元素的列数三个值...进行运算(3)列数相同(a(1,2),b(4,2)): b的每一行和a进行运算(4)行数和列数不等:报错 多维(广播原则)如果两个数组的后缘维度(从末尾开始算起的维度)的轴长度相符或其中方的长度为1,则他们是广播兼容的...广播会在缺失和(或)长度为1的维度上进行。...delimiter:分割字符串skiprows:跳过的行(如:标题行) usecols:读取的数据的列 unpack:若为true,矩阵转置 numpy 转置: (1)transpose() 方法 (2...取不相邻的点t[[0,2],[0,1]], 取下标为(0,0)和(2,1)对应的值 修改 条件修改t[t<10]=3 将t中小于10的值 where方法np.where(条件,符合条件的元素要赋的值,不符合条件的元素要赋的值
一、数组方法 创建数组:arange()创建一维数组;array()创建一维或多维数组,其参数是类似于数组的对象,如列表等 反过来转换则可以使用numpy.ndarray.tolist()函数...)将得到原数组变为2*3*4的三维数组后的数组;或是a.shape=(2,3,4)或a.resize(2,3,4)直接改变数组a的形状 数组组合:水平组合hstack((a,b))或concatenate...(条件) 条件查找,返回满足条件的数组元素:np.extract([条件],a) 根据b中元素作为索引,查找a中对应元素:np.take(a,b)一维 数组中最小最大元素的索引:np.argmin...(b) 每个数组元素的指数:np.exp(a) 生成等差行向量:如np.linspace(1,6,10)则得到1到6之间的均匀分布,总共返回10个数 求余:np.mod(a,n)相当于a%n,np.fmod...算术平方根,a为浮点数类型:np.sqrt(a) 对数:np.log(a) 修剪数组,将数组中小于x的数均换为x,大于y的数均换为y:a.clip(x,y) 所有数组元素乘积:a.prod()
一、数组方法 创建数组:arange()创建一维数组;array()创建一维或多维数组,其参数是类似于数组的对象,如列表等 反过来转换则可以使用numpy.ndarray.tolist()函数,如a.tolist...)将得到原数组变为2*3*4的三维数组后的数组;或是a.shape=(2,3,4)或a.resize(2,3,4)直接改变数组a的形状 数组组合:水平组合hstack((a,b))或concatenate...(条件) 条件查找,返回满足条件的数组元素:np.extract([条件],a) 根据b中元素作为索引,查找a中对应元素:np.take(a,b)一维 数组中最小最大元素的索引:np.argmin...(b) 每个数组元素的指数:np.exp(a) 生成等差行向量:如np.linspace(1,6,10)则得到1到6之间的均匀分布,总共返回10个数 求余:np.mod(a,n)相当于a%n,np.fmod...算术平方根,a为浮点数类型:np.sqrt(a) 对数:np.log(a) 修剪数组,将数组中小于x的数均换为x,大于y的数均换为y:a.clip(x,y) 所有数组元素乘积:a.prod()
先来看一下四则运算: 创建维度相同的两个数组,数组1的值分别为0-5,数组2是一个全1数组 # 创建 2行3列的二维数组 data_arr1 = np.arange(6).reshape(2, 3) #...条件逻辑表述 我们都知道 Python 中的三元表达式: x if condition else y 那如果我们有两个值数组分别表示 x 和 y,有一个布尔数组表示 condition,如何进行条件逻辑表述呢...例如,通过 where 函数进行数据清洗,大于0的数全部置为1,小于0的数全部置为-1 # 创建 3*3 的数组 data_warr = np.random.randn(3, 3) # 输出 [[-0.57519374...1,小于0的数全部置为-1 result = np.where(data_warr>0, 1, -1) # 输出 [[-1 1 1] [ 1 1 -1] [-1 -1 1]] 如果要保留小于...总结一下: NumPy 数组的四则运算 NumPy 数组的矩阵运算 条件逻辑表述 where 布尔判断、统计、排序、唯一化 前两小节属于运算中比较基础的内容,知道是什么、怎么用就可以了。
; high: 采样上界,float类型,默认值为1; size: 输出样本数目,为int或元组(tuple)类型,例如,size=(m,n,k), 则输出mnk个样本,缺省时输出1个值。...numpy.random.choice(a, size=None, replace=True, p=None) 参数: a:一维数组或者int型变量,如果是数组,就按照里面的范围来进行采样,如果是单个变量...replace : 布尔参数,可选参数 (决定采样中是否有重复值) p :一维数组参数,可选参数 (对应着a中每个采样点的概率分布,如果没有标出,则使用标准分布。)...,为对象的形状,若为一维DataFrame或Series则元组第二项维空(其实就是只有一个元素的元组) 例(5,) reshpae(方法) 是数组对象中的方法,用于改变数组的形状,也可以用来改变数据的维度...true时,输出x的对应位置的元素,否则选择y对应位置的元素; 如果只有参数condition,则函数返回为true的元素的坐标位置信息; numpy.where()分两种调用方式: 三个参数np.where
领取专属 10元无门槛券
手把手带您无忧上云