【数据分析&数据挖掘】2000-2017年各个产业、行业的散点图
摘要：1 import matplotlib.pyplot as plt 2 import numpy as np 3 4 5 def show_data(columns, values): 6 """ 7 绘图展示 8 :param columns: 名称 9 :param values: 真实数据 1
阅读全文
【数据分析&数据挖掘】2000和2017年各产业生产总值占比饼图
摘要：1 import matplotlib.pyplot as plt 2 import numpy as np 3 4 def draw_data(n, a, b, d, values, fig, plt, t, l, cl): 5 fig.add_subplot(2, 2, n) 6 x = val
阅读全文
【数据分析&数据挖掘】2000-2017年各个产业生产总值箱线图
摘要：1 import matplotlib.pyplot as plt 2 import numpy as np 3 4 5 # 构建数据 6 def build_data(): 7 res = np.load("./国民经济核算季度数据.npz", allow_pickle=True) 8 colum
阅读全文
【数据分析&数据挖掘】薪资分布直方图
摘要：1 # 某公司 员工的薪资水平 在[3500,35000] 之间，而且公司共有55个人 2 # 让大家 自己自定分组，来查看大部分员工的薪水水平，来给公司做薪水指导。 3 import matplotlib.pyplot as plt 4 import numpy as np 5 6 plt.fig
阅读全文
【数据分析&数据挖掘】2000-2017年各个产业、行业的柱状图
摘要：1 import matplotlib.pyplot as plt 2 import numpy as np 3 4 def draw_data(n, a, b, c, d, values, fig, plt, t, xl, ticks): 5 fig.add_subplot(2, 2, n) 6
阅读全文
【数据分析&数据挖掘】2000-2017年各个产业、行业的散点图
摘要：1 import matplotlib.pyplot as plt 2 import numpy as np 3 4 def draw_data(n, a, b, l, values, fig, plt): 5 fig.add_subplot(2, 1, n) 6 x = values[:, 0]
阅读全文
【数据分析&数据挖掘】2000-2017年各产业、行业季度生产总值走势图（子图绘制）
摘要：1 import matplotlib.pyplot as plt 2 import numpy as np 3 4 # 加载数据 5 res = np.load("./国民经济核算季度数据.npz", allow_pickle=True) 6 7 columns = res["columns"]
阅读全文
【数据分析&数据挖掘】2000-2017年各产业季度生产总值折线图（走势图）
摘要：1 import matplotlib.pyplot as plt 2 import numpy as np 3 4 # 加载数据 5 res = np.load("./国民经济核算季度数据.npz", allow_pickle=True) 6 # for tmp in res: 7 # print
阅读全文
【数据分析&数据挖掘】numpy——文件的读取与保存
摘要：1 import numpy as np 2 3 # 文本文件——>二进制文件 4 # 创建一个数组 5 arr = np.arange(16).reshape((4, 4)) 6 7 # 保存单个数组到二进制文件中 8 # 参数1 文件路径+名称，名称后缀名可以省略，保存的是以.npy为结尾的文件
阅读全文
【数据分析&数据挖掘】数组的统计分析
摘要：1 import numpy as np 2 3 # 创建一个数组 4 arr = np.array([[1, 2],[3, 4]]) 5 print("arr: \n", arr) 6 7 # 对数组进行统计分析 8 # sum mean std var min max argmin argmax
阅读全文
【数据分析&数据挖掘】数组的重复与去重
摘要：1 import numpy as np 2 3 # 创建一个数组 4 arr = np.array([1, 2, 3, 3, 2, 1, 1, 2, 3, 4, 5, 6, 6, 5, 4]) 5 arr = np.array(["h", "j", "k", "x", "h", "k", "j",
阅读全文
【数据分析&数据挖掘】数组的排序
摘要：1 import numpy as np 2 3 # 创建数组 4 arr = np.array([[8, 1, 9], [7, 6, 5]]) 5 print("arr: \n", arr) 6 7 # sort()直接排序 8 # 在列的方向上排序 9 arr.sort(axis=-1) 10
阅读全文
【数据分析&数据挖掘】数组的广播机制
摘要：1 import numpy as np 2 3 arr1 = np.array([[0, 1], [1, 2]]) # shape(2, 2) 4 arr2 = np.array([1, 1]) # shape(2, )——>(1, 2)——>[[1, 1]] 5 print("arr1: \n"
阅读全文
【数据分析&数据挖掘】数组的通用函数
摘要：1 import numpy as np 2 3 # 数组的全通用函数，要求数组的形状必须相同——同型数组 4 # 创建数组 5 arr1 = np.array([[0, 1], [2, 3]]) 6 arr2 = np.array([[1, 2], [3, 4]]) 7 print("arr1:
阅读全文
【数据分析&数据挖掘】数组的形状
摘要：1 import numpy as np 2 3 # 创建一个数组 4 arr = np.arange(16) 5 print("arr:\n", arr) 6 print("arr的形状:", arr.shape) 7 8 # 创建数组的时候不一定能指定其形状 9 # 创建好之后，可以进行形状的修
阅读全文
【数据分析&数据挖掘】数组的索引
摘要：1 import numpy as np 2 3 # 创建一个一位数组 4 arr = np.arange(9) 5 print("arr:\n", arr) 6 # 可以通过下标来获取指定元素 7 print("获取元素", arr[3]) # 降低维度 8 print("获取元素", arr[7
阅读全文
【数据分析&数据挖掘】数组的组合&拆分
摘要：一、数组的组合 1 import numpy as np 2 3 # 创建数组 4 arr1 = np.arange(9).reshape((3, 3)) 5 arr2 = np.array([[0, 1, 0],[1, 0, 1],[2, 1, 0]]) 6 print("arr1:\n", ar
阅读全文
【数据分析&数据挖掘】数组的数据类型
摘要：1 import numpy as np 2 3 # 创建一个数组 4 arr = np.arange(0, 6, 1, dtype=np.int64) 5 arr = np.arange(0, 6, 1, dtype=np.float64) # [0. 1. 2. 3. 4. 5.] 6 # ar
阅读全文
【数据分析&数据挖掘】数组的创建
摘要：1 import numpy as np 2 import random 3 4 arr = np.array([1,2,3,4]) 5 print('arr:\n', arr) 6 print('arr的类型:\n', type(arr)) 7 8 # 用arange来创建数组 9 arr = n
阅读全文
【数据分析&数据挖掘】矩阵的运算
摘要：1 import numpy as np 2 3 # 创建矩阵 4 m1 = np.mat([[1, 2], [1, 2]]) 5 print("m1:\n", m1) 6 print("m1的类型:\n", type(m1)) 7 8 # 矩阵与数的相乘 9 m2 = 2 * m1 10 prin
阅读全文
|
|
|
浙公网安备 33010602011771号