首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

20个不常见但却非常有用的Numpy函数

, 3.1415927, 3.1415927, 3.1415927], [3.1415927, 3.1415927, 3.1415927, 3.1415927]], dtype=float32...np.info NumPy的函数非常的多。你可能没有时间和耐心学习每个函数和类。如果你面对一个未知的函数呢?你不用去看文档了因为有更好的选择。...这就是为什么当你打印 np.inf 的类型时,它返回浮点数: >>> type(np.inf) # type of the infinity float >>> type(-np.inf) float...所以你需要一个特殊的功能来找到这些异常的值: a = np.array([-9999, 99999, 97897, -79897, -np.inf]) >>> np.all(a.dtype == "float64...此外,当你想要将数组分割成大小不相等的块(如vsplit)时,它不会引发错误: import datatable as dt df = dt.fread("data/train.csv").to_pandas

86930

怎么样描述你的数据——用python做描述性分析

它擅长处理带有Series对象的带标签的一维(1D)数据和带有对象的二维(2D)数据DataFrame。 Matplotlib是用于数据可视化的第三方库。...那么在python里,创建一个nan值可以有以下方法 float('nan') math.nan np.nan 当然这三种方法创建的空值都是等价的 ?...nan,那么要是想忽略nan,可以使用np.nanmean() >>> np.mean(y_with_nan) nan >>> np.nanmean(y_with_nan) 8.7 pandas也有对应方法...: float64 >>> z_with_nan.quantile([0.25, 0.5, 0.75]) 0.25 0.1 0.50 8.0 0.75 21.0 dtype: float64...: float64 相关性 相关行的统计学意义也不在过多说明,但是要注意,相关性只是能从数据上判断是否有关系,不能够说明因果关系!!!

2.1K10

软件测试|Python科学计算神器numpy教程(二)

数组常用属性ndarray.shapeshape 属性的返回值一个由数组维度构成的元组,比如 2 行 3 列的二维数组可以表示为(2,3),该属性可以用来调整数组维度的大小,示例如下:import numpy...()创建的数组并不是空数组,而是带有随机值的数组,这些值没有任何意义numpy.zeros()numpy.zeros()创建元素均为 0 的数组,同时还可以指定被数组的形状,语法格式如下:numpy....()使用指定的缓冲区创建数组,语法如下:numpy.frombuffer(buffer, dtype = float, count = -1, offset = 0)参数说明:buffer:将任意对象转换为流的形式读入缓冲区...:iterable:可迭代对象dtype:返回数组的数据类型count:读取的数据数量,默认为 -1,读取所有数据示例:import numpy as np# 使用 range 函数创建列表对象list...=range(7)#生成可迭代对象ii=iter(list)#使用i迭代器,通过fromiter方法创建ndarrayarray=np.fromiter(i, dtype=float)print(array

13620

【数据分析从入门到“入坑“系列】利用Python学习数据分析-Numpy中的ndarray

NumPy的ndarray:一种多维数组对象 NumPy最重要的一个特点就是其N维数组对象(即ndarray),该对象是一个快速而灵活的大数据集容器。...empty可以创建一个没有任何具体值的数组。...由于NumPy关注的是数值计算,因此,如果没有特别指定,数据类型基本都是float64(浮点数)。 ?...数值型dtype的命名方式相同:一个类型名(如float或int),后面跟一个用于表示各元素位长的数字。标准的双精度浮点值(即Python中的float对象)需要占用8字节(即64位)。...这里,我比较懒,写的是float而不是np.float64;NumPy很聪明,它会将Python类型映射到等价的dtype上。

67240

NumPy学习指南】day2 NumPy 数组对象

2.1 NumPy 数组对象 NumPy数组一般是同质的(但有一种特殊的数组类型例外,它是异质的),即数组中的所有 元素类型必须是一致的。...2.2.2NumPy 数据类型 ? 2.2.3 数据类型对象 数据类型对象numpy.dtype类的实例。...数据类型对象可以给出单个数组元素在 内存中占用的字节数,即dtype类的itemsize属性: In[13]:a.dtype.itemsize Out[13]:4 2.2.4 字符编码 ?...dtype 类的属性 dtype类有很多有用的属性。...:t.type Out[25]:numpy.float64 str属性可以给出数据类型的字符串表示,该字符串的首个字符表示字节序(endianness),后面如果还有字符的话,将是一个字符编码,接着一个数字表示每个数组元素存储所需的字节数

53710

NumPy 最详细教程(1):NumPy 数组

例二:dtype 参数用法示例 NumPy 支持比 Python 更多种类的数值类型 import numpy as np a = [1, 2, 3] b = np.array(a, dtype=np.float..._) # 或者 b = np.array(a, dtype=float) print(b) print(b.dtype) print(type(b[0])) 输出: [1. 2. 3.] float64...) 输出: 1 3 3、ndarray.flags ndarray.flags 返回 ndarray 对象的内存信息,包含以下属性属性 描述 C_CONTIGUOUS 数据是在一个单一的C风格的连续段中...dtype ndarray 的数据类型 axis 1.16.0 版本中的新功能 ,没看懂怎么用,官网上连个例子都没有,值为 0 和 -1 的时候结果相同,其他时候都报错。...numpy.frombuffer(buffer, dtype=float, count=-1, offset=0) 参数 描述 buffer 实现了 __buffer__ 方法的对象,(绝对不是菜鸟教程上说的任意对象都可以

3.5K20

Pandas 2.2 中文官方教程和指南(九·一)

: float64 ```## 属性和基础数据 pandas 对象具有许多属性,使您能够访问元数据 + **shape**: 给出对象的轴维度,与 ndarray 一致 + 轴标签...NumPy 没有一种 dtype 来表示带时区的日期时间,因此有两种可能有用的表示方式: 一个带有 Timestamp 对象对象-dtype numpy.ndarray,每个对象都具有正确的 tz...对于同质数据,可以通过values属性或高级索引直接修改值。 明确指出,没有 pandas 方法会具有修改数据的副作用;几乎每个方法都会返回一个新对象,保持原始对象不变。...int8 dtype: object 在Series对象上,使用dtype属性。...NumPy 没有一种 dtype 来表示带时区的日期时间,因此有两种可能有用的表示方式: 一个带有Timestamp对象对象数据类型numpy.ndarray,每个对象都具有正确的tz 一个datetime64

5900

数据科学 IPython 笔记本 7.5 数据索引和选择

如果你使用过 NumPy 模式,Pandas 中的相应模式将会非常熟悉,尽管有一些需要注意的怪异之处。 我们将从一维Series对象的简单情况开始,然后转向更复杂的二维DataFrame对象。...序列中的数据选择 我们在上一节中看到,Series对象在很多方面都像一维 NumPy 数组,并且在许多方面像标准的 Python 字典。...: float64 ''' 对象的这种容易修改的特性,是一个方便的特性:在其背后,Pandas 正在决定可能需要执行的内存布局和数据复制;用户通常不需要担心这些问题。...0.50 c 0.75 dtype: float64 ''' # 花式索引 data[['a', 'e']] ''' a 0.25 e 1.25 dtype: float64 ''...首先,loc属性让索引和切片始终引用显式索引: data.loc[1] # 'a' data.loc[1:3] ''' 1 a 3 b dtype: object ''' iloc属性让索引和切片始终引用隐式的

1.7K20
领券