糗事百科网站源码,深圳网站建设公司排行榜,西杰网站建设,搜索引擎排名公司网站关键词优化数据分析三剑客numpypandas(重点)matplotlibnumpy模块NumPy(Numerical Python) 是 Python 语言中做科学计算的基础库。侧重在于数值计算#xff0c;也是大部分Python科学计算库的基础#xff0c;多用于在大型、多维数组上执行的数值运算。重点numpy数组的创建numpy索引和切片…数据分析三剑客numpypandas(重点)matplotlibnumpy模块NumPy(Numerical Python) 是 Python 语言中做科学计算的基础库。侧重在于数值计算也是大部分Python科学计算库的基础多用于在大型、多维数组上执行的数值运算。重点numpy数组的创建numpy索引和切片级联变形矩阵的乘法和转置常见的聚合函数统计numpy的创建使用np.array()创建使用plt创建使用np的routines函数创建使用np.array()创建#用array()创建一个一维数组importnumpy as npnp.array([1,2,3,4,5]) #array([1, 2, 3, 4, 5])#使用array()创建一个多维数组np.array([[1,2,3],[4,5,6]])array([[1, 2, 3],[4, 5, 6]])数组和列表的区别是什么数组中存储的数据元素类型必须是统一类型优先级字符串 浮点型 整数np.array([1.1,哈哈,11]) #array([1.1, 哈哈, 11], dtypenp.array([1,5,6.1,8]) #array([1. , 5. , 6.1, 8. ])将外部的一张图片读取加载到numpy数组中然后尝试改变数组元素的数值查看对原始图片的影响importmatplotlib.pyplot as plt#imread可以返回一个numpy数组img_arr plt.imread(./1.jpg)#将返回的数组的数据进行图像的展示plt.imshow(img_arr) #imshow也可以将一个二维数组进行图片展示规plt.imshow(img_arr 100)zeros()、ones()、linespace()、arange()、random系列#ones zeros()与ones()相似np.ones(shape(3,4)) #返回一个3行4列的np数组元素都是1., zeros是0.array([[1., 1., 1., 1.],[1., 1., 1., 1.],[1., 1., 1., 1.]])#linspace返回一维形式的等差数列 开始 结束一共8个元素np.linspace(0, 50, num8)array([ 0. ,7.14285714, 14.28571429, 21.42857143, 28.57142857,35.71428571, 42.85714286, 50. ])#arange返回一维形式的等差数列np.arange(0,50,5)array([ 0,5, 10, 15, 20, 25, 30, 35, 40, 45])#random.randint 返回指定形状的随机整数数组np.random.randint(0,20,size(4,5))array([[3, 1, 16, 14, 1],[18, 13, 10, 14, 18],[19, 19, 1, 8, 13],[15, 2, 17, 15, 6]])#random.random 随机范围0-1np.random.random(size(2, 2))array([[0.16654448, 0.59399791],[0.6076535 , 0.89254046]])numpy的常用属性shape 形状ndim 维度size 元素总个数dtype 元素的数据类型img_arr.shape #返回数组形状(500, 500, 3)img_arr.ndim#返回数组维度3img_arr.size#返回数组元素总个数750000img_arr.dtype#返回数组元素的数据类型dtype(uint8)type(img_arr)#返回数组的数据类型numpy.ndarraynumpy的数据类型array(dtype?):可以设定数据类型arr.dtype ?:可以修改数据类型arr.astype(?):也可以修改数据类型修改数据类型arr np.array([1,2,3], dtypefloat16)array([1., 2., 3.], dtypefloat16)#1、修改arr元素的数据类型arr.astype(int8)array([1, 2, 3], dtypeint8)#2、修改arr元素的数据类型arr.dtypefloat16array([1., 2., 3.], dtypefloat16)numpy的索引和切片操作(重点)索引取值操作索引取值操作和列表同理arr np.random.randint(0,100,size(5,6))array([[21, 36, 62, 40, 52, 54],[91, 45, 40, 35, 17, 98],[48, 49, 36, 59, 47, 36],[80, 66, 77, 21, 1, 80],[18, 32, 55, 0, 32, 12]])arr[3][4]1arr[0,4]52切片操作切出前两行数据切出前两列数据切出前两行的前两列的数据数组数据翻转练习将一张图片上下左右进行翻转操作练习将图片进行指定区域的裁剪#切出数组的前两行的数据arr[0:2]array([[21, 36, 62, 40, 52, 54],[91, 45, 40, 35, 17, 98]])#切出数组的前两列arr[:,0:2]array([[21, 36],[91, 45],[48, 49],[80, 66],[18, 32]])#切出数组前两行的前两列arr[0:2, 0:2]array([[21, 36],[91, 45]])#将数组行倒置arr[::-1]array([[18, 32, 55, 0, 32, 12],[80, 66, 77, 21, 1, 80],[48, 49, 36, 59, 47, 36],[91, 45, 40, 35, 17, 98],[21, 36, 62, 40, 52, 54]])#将数组列倒置arr[::,::-1]array([[54, 52, 40, 62, 36, 21],[98, 17, 35, 40, 45, 91],[36, 47, 59, 36, 49, 48],[80, 1, 21, 77, 66, 80],[12, 32, 0, 55, 32, 18]])#将数组进行行列导倒置arr[::-1,::-1]array([[12, 32, 0, 55, 32, 18],[80, 1, 21, 77, 66, 80],[36, 47, 59, 36, 49, 48],[98, 17, 35, 40, 45, 91],[54, 52, 40, 62, 36, 21]])将图片进行翻转importmatplotlib.pyplot as pltimg_arr plt.imread(./1.jpg)plt.imshow(img_arr)img_arr.shape(500, 500, 3) #前俩个是图片像素最后一个是颜色维度#将图片左右翻转plt.imshow(img_arr[:,::-1,:])#将图片上下翻转plt.imshow(img_arr[::-1])#上下左右颜色都倒置plt.imshow(img_arr[::-1,::-1,::-1])#图片的裁剪将脸部数据裁剪下来plt.imshow(img_arr[30:300,140:330,:])变形 reshape注意变形前和变形后数组的容量不可以发生变化arr.shape(5, 6)#将二维数组变形成一维数组 reshape()arr_1 arr.reshape((30,)) #原数组一共有30个元素所以这里必须是30array([21, 36, 62, 40, 52, 54, 91, 45, 40, 35, 17, 98, 48, 49, 36, 59, 47,36, 80, 66, 77, 21, 1, 80, 18, 32, 55, 0, 32, 12])#将一维数组变多维arr_1 arr.reshape((3,10)) #给定一个值另一个可以用-1自动计算array([[21, 36, 62, 40, 52, 54, 91, 45, 40, 35],[17, 98, 48, 49, 36, 59, 47, 36, 80, 66],[77, 21, 1, 80, 18, 32, 55, 0, 32, 12]])arr_1 arr.reshape((-1,10))arr_1 arr.reshape((3,-1))array([[21, 36, 62, 40, 52, 54, 91, 45, 40, 35],[17, 98, 48, 49, 36, 59, 47, 36, 80, 66],[77, 21, 1, 80, 18, 32, 55, 0, 32, 12]])级联操作 concatenate级联的操作意义将多个numpy数组进行横向或者纵向拼接axis轴向的理解0:列 y轴方向竖直方向1:行 x轴方向水平方向问题级联的两个数组维度一样但是行列个数不一样会如何#axis0列和列进行拼接axis1行和行进行拼接np.concatenate((arr,arr),axis1)array([[21, 36, 62, 40, 52, 54, 21, 36, 62, 40, 52, 54],[91, 45, 40, 35, 17, 98, 91, 45, 40, 35, 17, 98],[48, 49, 36, 59, 47, 36, 48, 49, 36, 59, 47, 36],[80, 66, 77, 21, 1, 80, 80, 66, 77, 21, 1, 80],[18, 32, 55, 0, 32, 12, 18, 32, 55, 0, 32, 12]])np.concatenate((arr,arr),axis0)array([[21, 36, 62, 40, 52, 54],[91, 45, 40, 35, 17, 98],[48, 49, 36, 59, 47, 36],[80, 66, 77, 21, 1, 80],[18, 32, 55, 0, 32, 12],[21, 36, 62, 40, 52, 54],[91, 45, 40, 35, 17, 98],[48, 49, 36, 59, 47, 36],[80, 66, 77, 21, 1, 80],[18, 32, 55, 0, 32, 12]])级联的两个数组维度一样但是行列个数不一样会如何如果横向级联保证行数一致纵向级联保证列数一致注意维度不一致的数组无法级联arr_new np.random.randint(0,100,size(5,5))array([[29, 43, 36, 67, 32],[63, 65, 31, 90, 55],[13, 59, 3, 3, 22],[55, 26, 10, 5, 80],[27, 20, 61, 75, 23]])arrarray([[21, 36, 62, 40, 52, 54],[91, 45, 40, 35, 17, 98],[48, 49, 36, 59, 47, 36],[80, 66, 77, 21, 1, 80],[18, 32, 55, 0, 32, 12]])np.concatenate((arr,arr_new), axis0) #这样就会报错他俩列数不同np.concatenate((arr,arr_new), axis1) #先写的数组元素在前array([[21, 36, 62, 40, 52, 54, 29, 43, 36, 67, 32],[91, 45, 40, 35, 17, 98, 63, 65, 31, 90, 55],[48, 49, 36, 59, 47, 36, 13, 59, 3, 3, 22],[80, 66, 77, 21, 1, 80, 55, 26, 10, 5, 80],[18, 32, 55, 0, 32, 12, 27, 20, 61, 75, 23]])图片的9宫格img_arr3 np.concatenate((img_arr,img_arr,img_arr),axis1)img_arr9 np.concatenate((img_arr3,img_arr3,img_arr3), axis0)plt.imshow(img_arr9)常用的聚合操作sum求和、max最大值、min最小值、mean均值#sum求和、max最大值、min最小值、mean均值它们4个用法一致arr.sum()#计算所有元素的和1340arr.sum(axis0) #计算每列元素的和array([258, 228, 270, 155, 149, 280])arr.sum(axis1) #计算每行元素的和array([265, 326, 275, 325, 149])常用的数学函数NumPy 提供了标准的三角函数及反三角函数sin()、cos()、tan()numpy.around(a,decimals) 函数返回指定数字的四舍五入值。参数说明a: 数组decimals: 舍入的小数位数。 默认值为0。 如果为负整数将四舍五入到小数点左侧的位置np.sin([3.5,4.6,2.1])array([-0.35078323, -0.993691 , 0.86320937])np.around([33.4,51.2,55.8]) #默认decimals为0array([33., 51., 56.])np.around([33.4,51.2,55.8], decimals1) #decimals1保留一位小数array([33.4, 51.2, 55.8])np.around([33.4,51.2,55.8], decimals-1) #decimals-1个位数上四舍五入array([30., 50., 60.])常用的统计函数numpy.amin() 和numpy.amax()用于计算数组中的元素沿指定轴的最小、最大值。numpy.ptp():计算数组中元素最大值与最小值的差(最大值 - 最小值)极差。numpy.median() 函数用于计算数组 a 中元素的中位数(中值)标准差std():标准差是一组数据平均值分散程度的一种度量。所有数据与均值的差的平方和除以元素个数开根号公式std sqrt(mean((x - x.mean())**2))如果数组是 [1234]则其平均值为 2.5。 因此差的平方是 [2.25,0.25,0.25,2.25]并且其平均值的平方根除以 4即 sqrt(5/4) 结果为 1.1180339887498949。方差var()统计中的方差(样本方差)是每个样本值与全体样本值的平均数之差的平方值的平均数即 mean((x - x.mean())** 2)。换句话说标准差是方差的平方根。
