蓝绝

摘要： #其他访问方式，列表和numpy的访问方式完全适用于Series arr =np.random.randint(0,100,size=5) arr array([38, 15, 10, 85, 81]) s=Series(data=arr,index=["tom", "lucy", "mery", 阅读全文

摘要： 1.Series Series是一种类似于一维数组的对象,由下面两个部分组成: #values :-组数据(ndarray类型) #index :相关的数据索引标签 一维数组:有序的数据类型相同的集合 Series: 一维数组的强化版,增加了像字典一样的key-value的访问机制,同时也保留了数组 阅读全文

摘要： 1,查看文档: shift+tab 2,输入输出历史: In Out 3. %time %timeit %%time %%timeit numpy: 1,特点:数据类型相同的有序的数据集合,如果初始化的数据类型不同,会强制类型统一 优先级: str >float > int 2.构造: np. ar 阅读全文

摘要： 3.其他聚合操作 Function Name NaN-safe Version Description np. sum np. nansum Compute sum of elements #求和 np. prod np. nanprod Compute product of elements #求 阅读全文

摘要： 3.变形 使用reshape函数,注意参数是一个tuple! #产生0-10的随机整数 arr6 = np.random.randint(0,10,size=(20)) arr6 array([2, 8, 9, 6, 2, 6, 6, 1, 0, 1, 3, 5, 1, 3, 8, 5, 0, 8, 阅读全文

摘要： 三、ndarray的基本操作 索引和切片 1.索引维与列表完全一致 多维时同理 2.切片维与列表完全一致多维时同理 将数据反转,例如[1,2,3] >[3,2,1] 两个::进行切片 1.索引维与列表完全一致 多维时同理 #列表的访问方式 arr2 = np.array ([[1, 2, 3], [ 阅读全文