Python科学计算-Numpy和Pandas学习笔记(一)-安装、Numpy属性和常用方法(chaochao`s Blog)
2020-07-12 17:36
274 查看
1 前言
由于项目的原因,最近开始学习机器学习的相关内容,在写文字笔记的时候发现我写的字确实很丑、很难看,并且记笔记的速度也很慢,由此萌生了编写自己博客的想法。从今天开始,我会将学习的笔记以博客的方式记录下来,方便后续查看,也能在记录的过程中编写一次代码,记得更加牢固。
2 安装
打开pycharm的控制台,直接在里面输入下面命令。或者cmd控制台也行。
2.1 Numpy的安装
# python 2.x 用户安装命令 pip install numpy # python 3.x 用户安装命令 pip3 install numpy
2.2 Pandas的安装
# python 2.x 用户安装命令 pip install pandas # python 3.x 用户安装命令 pip3 install pandas
3 创建Array
3.1 基本属性
使用numpy.array可以将列表转换成矩阵。
import numpy as np # 定义一个二维数组,将其放到np.array()中,可以转换成矩阵形式 array = np.array([[1, 2, 3], [4, 5, 6]]) # 打印出矩阵 print(array) # ndim: 矩阵的维数 print('dim:', array.ndim) # shape: 矩阵的形状 几行几列 print('shape:', array.shape) # size: 矩阵的大小 元素的个数 print('size:', array.size)
运行结果:
[[1 2 3] [4 5 6]] dim: 2 shape: (2, 3) size: 6
3.2 常用方法
import numpy as np # 生成全为0的矩阵 zero = np.zeros((2, 3)) print('zero:\n', zero) # 同时可以定义数据类型 zero2 = np.zeros((2, 3), dtype=np.float) print('zero2:\n', zero2) # 生成全为1的矩阵 one = np.ones((2, 4)) print('one:\n', one) # 生成空矩阵 数字很小 接近于0 empty = np.empty((2, 2)) print('empty:\n', empty) # 定义有序的矩阵 从0到12 左闭右开 步长为1 arange = np.arange(0, 12, 1) print('arange:\n', arange) # 改变矩阵的形状为3行4列 arange2 = np.arange(0, 12, 1).reshape((3, 4)) print('arange2:\n', arange2) # 生成从1到10的五段的矩阵 numpy自动匹配步长 linspace= np.linspace(1, 10, 5) print('linspace:\n', linspace)
运行结果:
zero: [[0. 0. 0.] [0. 0. 0.]] zero2: [[0. 0. 0.] [0. 0. 0.]] one: [[1. 1. 1. 1.] [1. 1. 1. 1.]] empty: [[6.01334514e-154 5.45150447e-268] [1.57989218e-313 8.79469134e-313]] arange: [ 0 1 2 3 4 5 6 7 8 9 10 11] arange2: [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] linspace: [ 1. 3.25 5.5 7.75 10. ]
4 结语
Numpy和Pandas使用频率非常之高,有必要熟练掌握,下一节记录numpy的基本运算。
相关文章推荐
- 学习笔记(04):Python数据清洗实战-Pandas常用数据结构series和方法
- 学习笔记(01):Python数据清洗实战-Pandas常用数据结构series和方法
- 学习笔记(01):人工智能基础—Numpy科学计算库- 类型和属性
- 学习笔记(04):Python数据清洗实战-Pandas常用数据结构dataframe和方法
- 学习笔记(02):Python数据清洗实战-Pandas常用数据结构dataframe和方法
- 学习笔记(03):Python 4000 数据清洗实战-Pandas常用数据结构series和方法
- 学习笔记(01):人工智能基础—Numpy科学计算库- 类型和属性
- python3 科学计算模块 numpy、pandas、sns、seaborn等模块安装遇到的问题
- python 科学计算 — numpy 学习笔记
- 学习笔记(01):Python数据清洗实战入门-Pandas常用数据结构series和方法
- windows下安装科学计算模块 numpy pandas等
- 第3章 Pandas数据处理(3.3)_Python数据科学手册学习笔记
- 【Python学习笔记】pip安装失败的替代方法&解决方案
- 学习Python数据分析随手笔记【二】numpy数组的属性
- python学习笔记——Thread常用方法
- Python学习笔记——list的常用方法
- numpy.zeros(np.zeros)使用方法--python学习笔记31
- javascript学习笔记—DOM常用API、属性、方法、函数
- 第3章 Pandas数据处理(3.6)_Python数据科学手册学习笔记
- 【0基础Python学习笔记04】-基础知识-LINUX安装+常用命令总结