范仁义

2020年10月28日

pandas库疑难问题---4、DataFrame类型转换成Numpy中ndarray

摘要： pandas库疑难问题 4、DataFrame类型转换成Numpy中ndarray 一、总结一句话总结：可以使用DataFrame中的values属性或to_numpy方法和 Numpy中的array方法 ans=df.values ans=df.to_numpy() ans=np.array 阅读全文

posted @ 2020-10-28 10:58 范仁义阅读(1415) 评论(0) 推荐(0) 编辑

pandas库疑难问题---3、loc方法和iloc方法的区别

摘要： pandas库疑难问题 3、loc方法和iloc方法的区别一、总结一句话总结： loc方法是基于标签的，iloc方法是基于整数索引的 # iloc # 连续切片 print(data.iloc[1:3:1,1:3]) # 不连续 print(data.iloc[[1,3],[1,3]]) # l 阅读全文

posted @ 2020-10-28 10:29 范仁义阅读(688) 评论(0) 推荐(0) 编辑

2020年10月27日

pandas转numpy并打平实例

摘要： pandas转numpy并打平实例一、总结一句话总结： pandas转numpy：temp1=np.array(temp) numpy降维：x_data.append(temp1.flatten()) # 用第一个号码生成序列数据，256个输入得到一个输出 def generate_data( 阅读全文

posted @ 2020-10-27 08:46 范仁义阅读(491) 评论(0) 推荐(0) 编辑

list和numpy互相转换

摘要： list和numpy互相转换一、总结一句话总结： List转numpy.array：temp = np.array(list) numpy.array转List：arr = temp.tolist() 二、list和numpy互相转换转自或参考：python中List类型与numpy.arra 阅读全文

posted @ 2020-10-27 08:35 范仁义阅读(15282) 评论(0) 推荐(0) 编辑

pandas转numpy

摘要： pandas转numpy 一、总结一句话总结： 1、使用DataFrame中的values方法：df.values 2、使用DataFrame中的as_matrix()方法：df.as_matrix() 3、使用Numpy中的array方法：np.array(df) 二、将Pandas中的Data 阅读全文

posted @ 2020-10-27 07:56 范仁义阅读(9027) 评论(0) 推荐(0) 编辑

pandas库疑难问题---2、pandas切片操作

摘要： pandas库疑难问题 2、pandas切片操作一、总结一句话总结： pandas的iloc方法可以用来切片，iloc方法具体使用细节和Python切片操作以及NumPy切片操作几乎一样 iloc方法基本结构：iloc[start_index:end_index:step,start_index 阅读全文

posted @ 2020-10-27 05:34 范仁义阅读(296) 评论(0) 推荐(0) 编辑

pandas切片操作

摘要： pandas切片操作一、总结一句话总结： pandas中的方法可以接在切片的数据之后为某一列的特定的数据赋值：data[data["v"]<5] = 5 统计指定的多列的平均值：print(data.loc[:,["v","w"]].mean()) 统计某一列中某个数的出现次数：data[da 阅读全文

posted @ 2020-10-27 05:03 范仁义阅读(665) 评论(0) 推荐(0) 编辑

pandas中的iloc和loc用法的区别

摘要： pandas中的iloc和loc用法的区别一、总结一句话总结： iloc，即index locate 用index索引进行定位，所以参数是整型，如：df.iloc[10:20, 3:5] loc，则可以使用column名和index名进行定位，如：df.loc[‘image1’:‘image10 阅读全文

posted @ 2020-10-27 04:51 范仁义阅读(692) 评论(0) 推荐(0) 编辑

2020年10月26日

NumPy疑难问题---1、NumPy切片操作

摘要： NumPy疑难问题 1、NumPy切片操作一、总结一句话总结： numpy切片结构：array[start:stop:step,start:stop:step]，前面的start:stop:step表示行，后面的start:stop:step表示列，具体细节和python切片操作一样 arr1= 阅读全文

posted @ 2020-10-26 23:51 范仁义阅读(560) 评论(0) 推荐(0) 编辑

numpy切片操作

摘要： numpy切片操作一、总结一句话总结： numpy切片结构：array[start:stop:step,start:stop:step]，前面的start:stop:step表示行，后面的start:stop:step表示列 arr1=np.arange(1,17).reshape((4,4)) 阅读全文

posted @ 2020-10-26 23:50 范仁义阅读(1867) 评论(0) 推荐(0) 编辑

在校每年国奖、每年专业第一，加拿大留学，先后工作于华东师范大学和香港教育大学

公告