2023-7-21 myluzh
Python
0x00 关于DataFrame
DataFrame是一个类似于二维数组或表格(如excel)的对象，既有行索引，又有列索引
行索引，表明不同行，横向索引，叫index，0轴，axis=0
列索引，表名不同列，纵向索引，叫columns，1轴，axis=1
0x01 创建一个dataframe
import pandas as pd
import numpy as np
# 创建一个ndarray，10行5列学生成绩
score = np.random.randint(40, 100, (10, 5))
# 变成dataframe格式
subjects = ['语文', '数学', '英语', '科学', '政治']
stu = ['学生' + str(_) for _ in range(score.shape[0])] # ['学生0', '学生1', '学生2', '学生3', '学生4', '学生5', '学生6', '学生7', '学生8', '学生9']
# index是行索引，columns是列索引
data = pd.DataF...
阅读全文>>
标签: python pandas 数据结构 dataframe
评论(0)
(555)
2023-7-21 myluzh
Python
0x00 介绍
Series是一个类似于一维数组的数据结构，它能够保存任何类型的数据，比如整数、字符串、浮点数等，主要由一组数据和与之相关的索引两部分构成。
0x01 Series
import pandas as pd
import numpy as np
# 直接通过数组创建
a = pd.Series(np.arange(9))
# 通过数组+指定索引创建
b = pd.Series([1.2, 2.9, 3.8, 4.7], index=[1, 2, 3, 4])
# 通过字典创建
c = pd.Series({
"red": 10,
"blue": 20
})
# 通过索引获取数据
print(a[3]) # 3
print(b[2]) # 2.9
print(c['red']) # 10
# 获取索引
print(c.index) # Index(['red', 'blue'], dtype='object')
# 获取值
print(c.values) # [10 20]
阅读全文>>
标签: python pandas series
评论(0)
(455)
2023-7-20 myluzh
Python
0x01 矩阵与向量
（1）矩阵
矩阵（matrix）和array的区别矩阵必须是2维的，但是array可以是多维的。
如下图，这个是 3x2 矩阵，即3行2列。如m为行，n 为列，那么 mxn 即 3x2。
矩阵的维数即行数x列数，矩阵元素(矩阵项):
Aij 指第 i 行，第j列的元素.
（2）向量
向量是一种特殊的矩阵，讲义中的向量一般都是列向量，下图展示的就是三维列向量(3x1)。
0x02 加法和标量乘法
（1）矩阵的加法:
行列数相等的可以加。例:
（2）矩阵的乘法:
每个元素都要乘。例:
组合算法也类似
0x03 矩阵向量乘法
矩阵和向量的乘法如图: mxn 的矩阵乘以 nx1 的向量，得到的是 mx1 的向量。
例如：
1*1+3*5 = 16
4*1+0*5 = 4
2*1+1*5 = 7
矩阵乘法遵循准则:
(M行, N列)*(N行,L列) = (M行,L列)
0x04 矩阵乘法
（1）介绍
mxn 矩阵乘以 nxo 矩阵，变成 mxo 矩阵
确保第一个矩阵的列数等于第二个矩阵的行数，否则无法相乘。
举例:比如说现在有两个矩阵 A 和 B，那 么它们的乘积就可以表示为图中所示的形式。...
阅读全文>>
标签: python numpy 矩阵 向量 np.matmul np.dot
评论(0)
(555)
2023-7-20 myluzh
Python
0x01 数组与数运算
import numpy as np
arr = np.array([[1, 2, 3, 2, 1, 4], [5, 6, 1, 2, 3, 1]])
"""
arr + 1
array([[2, 3, 4, 3, 2, 5],
[6, 7, 2, 3, 4, 2]])
arr / 2
array([[0.5, 1. , 1.5, 1. , 0.5, 2. ],
[2.5, 3. , 0.5, 1. , 1.5, 0.5]])
"""
# 可以对比python列表的运算，看出区别
a = [1, 2, 3, 4, 5]
"""
a*3
Out[3]: [1, 2, 3, 4, 5, 1, 2, 3, 4, 5, 1, 2, 3, 4, 5]
"""
0x02 数组与数组运算
数组在进行矢量化运算时，要求数组的形状是相等的。当形状不相等的数组执行算术运算的时候，就会出现广播机制，该机制会对数组进行扩展，使数组的shape属性值一样，这样，就可以进行矢量化运算了。下面通过一个例子进行说明：
import numpy as np
...
阅读全文>>
标签: python numpy
评论(0)
(490)
2023-7-20 myluzh
Python
0x01 逻辑运算
import numpy as np
# 生成40-100的10行5列数据
arr1 = np.random.randint(40, 100, (10, 5))
"""
#查看下arr1
arr1 Out[3]:
array([[95, 65, 74, 76, 64],
[95, 62, 74, 81, 59],
[48, 93, 87, 40, 63],
[99, 68, 57, 95, 51],
[75, 78, 43, 50, 49],
[75, 74, 86, 50, 98],
[62, 61, 53, 40, 73],
[58, 63, 99, 76, 85],
[52, 44, 65, 77, 51],
[90, 74, 93, 78, 46]])
"""
# 取6行开始取，每行取0-5列
arr2 = arr1[6:, 0:5]
"""
# 查看下arr2
arr2 Out[4]:
array([[62, 61...
阅读全文>>
标签: python ndarray
评论(0)
(458)
2023-7-14 myluzh
Python
0x01 数组索引与切片用法
import numpy as np
# (2)二维数组
# 首先生成一个二维数组
arr2 = np.random.uniform(-1, 2, size=(5, 5))
"""
# 查看下arr2
arr2 Out[3]:
array([[ 1.05865188, 1.18597622, -0.81279676, 1.79444952, 0.71910054],
[-0.62385763, -0.61713265, 0.94918552, -0.24394799, 1.81343914],
[-0.71354709, -0.93964984, 0.96237785, 1.23973639, 0.11628672],
[ 0.02623292, 1.68481857, -0.79207649, 0.79625302, -0.32104851],
[ 0.75240426, 0.15582726, -0.87529045, -0.28858853, 0.01173709]])
# 只要...
阅读全文>>
标签: python numpy 数组
评论(0)
(466)