np.concatenate()用来合并list（根据ID去合并这一列的list）
摘要：一个df，如果将两列的数据合并为一列（ 比如第一列是省份，第二列是城市，我们想要省市）直接相加即可，但是如果第一列是ID，每个ID对应有多行，其中某列是一个list，我们想要根据ID去合并这一列的list，比如： 那么就得这样处理 t[['reportno','data_list']].groupb
阅读全文
posted @
2020-12-25 16:09
小小喽啰
阅读(857)
推荐(0) 编辑
numpy函数hstack，vstack，dstack把几个小数组合并成一个大数组
摘要：vstack、hstack和dstack都用于把几个小数组合并成一个大数组。它们的差别是小数组的元素在大数组中的排列顺序有所不同 一、vstack vstack实现了轴0合并。vstack的字母v表示vertical的意思，相当是追加的意思 numpy.vstack(tup) tup：两个数组，除第
阅读全文
posted @
2020-12-25 15:51
小小喽啰
阅读(893)
推荐(0) 编辑
numpy.repeat 重复数组的元素(可用于数组的广播）
摘要：有时候，我们需要根据某列的分成多列，那么，有些列就需要重复多次，比如说： newvalues=np.dstack((np.repeat(t.reportno.values,list(map(len,t.data_list.values))),np.concatenate(t.data_list.va
阅读全文
posted @
2020-12-25 14:50
小小喽啰
阅读(4889)
推荐(0) 编辑
numpy 的axis=0,1具体含义
摘要：首先看一下这个例子 import numpy as np a=np.arange(8).reshape(2,2,2) print(a.sum(axis=0)) print(a.sum(axis=1)) print(a.sum(axis=2)) ''' 输出如下： [[ 4 6] [ 8 10]] [
阅读全文
posted @
2020-12-08 09:51
小小喽啰
阅读(171)
推荐(0) 编辑
numpy 的布尔值切片
摘要：我们做模型时，可能需要画不同类别的标记不同颜色的值，因此就需要的numpy的布尔值索引，比如说： # 导入可视化工具包 import matplotlib.pyplot as plt %matplotlib inline from sklearn.datasets import load_iris
阅读全文
posted @
2020-12-02 11:45
小小喽啰
阅读(370)
推荐(0) 编辑
np.dot()计算两个变量的乘积
摘要：np.dot()计算两个变量的乘积，返回的是一个值 import numpy as np np.dot(a, b, out=None) #该函数的作用是获取两个元素a,b的乘积. a,b可以是数组或者int print(np.dot(1,10)) #10 还可以 import numpy as np
阅读全文
posted @
2020-11-28 15:53
小小喽啰
阅读(392)
推荐(0) 编辑
numpy 相关统计
摘要：目录 最小值/最大值 极差（也就是最大值和最小值的差） 分位数 中位数 均值 加权平均值 方差 标准差 协方差矩阵 相关系数 直方图 1.numpy.amin() 计算最小值 numpy.amin(a[, axis=None, out=None, keepdims=np._NoValue, init
阅读全文
posted @
2020-11-28 14:49
小小喽啰
阅读(280)
推荐(0) 编辑
np.where() 条件索引和SQL的if用法一样，或者是给出满足条件的坐标集合
摘要：np.where() numpy.where(condition[, x, y]) 参数： condition：array_like, bool，如果为True，则产生x，否则产生y x, y：array_like，从中选择的值 numpy.where() 有两种用法： 1. np.where(co
阅读全文
posted @
2020-09-22 14:56
小小喽啰
阅读(607)
推荐(0) 编辑
np.triu_indices_from() 返回方阵的上三角矩阵的索引
摘要：np.triu_indices_from() 返回方阵的上三角矩阵的索引 numpy.triu_indices_from（arr，k = 0 ） 参数： arr ：ndarray，shape（N，N） k： int，可选，对角线偏移 例子： import numpy as np a = np.arr
阅读全文
posted @
2020-09-22 14:17
小小喽啰
阅读(3427)
推荐(0) 编辑
np.log 和math.log的底数是什么，默认都是e
摘要：np.log() 一直分不清楚log到底是以什么为底，就写下这个作为备忘 看到没，是以e为底的，如果是其他的就logn import numpy as np print( 'np.e:',np.e) print( 'np.log([100,10000,10000]:',np.log([100,100
阅读全文
posted @
2020-09-09 17:47
小小喽啰
阅读(8275)
推荐(1) 编辑
np.mat()将数据转化为矩阵
摘要：np.mat(a) 可将a转化为矩阵，a的类型可以是df.values,数组，list等等，用mat函数转换为矩阵之后可以才进行一些线性代数的操作 import numpy as np np.eye(5) ''' array([[1., 0., 0., 0., 0.], [0., 1., 0., 0
阅读全文
posted @
2020-09-07 15:24
小小喽啰
阅读(2662)
推荐(0) 编辑
np.tile() 重复生成数组
摘要：np.tile(a,n) 功能是将a(a可以不是数组）重复n次，构成一个新的数组，n可以是int，或者是tuple 1.n是int from numpy import * a=[0,1,2] tile(a,2) #array([0, 1, 2, 0, 1, 2]) 2.n是tuple（i,j） 反正
阅读全文
posted @
2020-09-04 15:22
小小喽啰
阅读(684)
推荐(0) 编辑
np.argsort()元素从小到大排序后，提取对应的索引index，可以一行搞定排序
摘要：函数用法 numpy.argsort(a, axis=-1, kind=’quicksort’, order=None) 功能: 将矩阵a按照axis排序，并返回排序后的下标，axis=0是列，1是行参数: a:输入矩阵， axis:需要排序的维度返回值: 输出排序后的下标 import numpy
阅读全文
posted @
2020-08-31 17:02
小小喽啰
阅读(6924)
推荐(0) 编辑
np.c_[ ]和np.r_[ ] 数组拼接(r是行拼接，c是列拼接）方法
摘要：np.r_是按列连接两个矩阵，就是把两矩阵上下相加，要求列数相等。np.c_是按行连接两个矩阵，就是把两矩阵左右相加，要求行数相等 a = np.array([[1, 2, 3],[7,8,9]]) b=np.array([[4,5,6],[1,2,3]]) np.r_[a,b] ''' array
阅读全文
posted @
2020-08-26 19:19
小小喽啰
阅读(376)
推荐(0) 编辑
numpy 的 ravel() 和 flatten() 扁平化函数，可去掉元素list的[]
摘要：Numpy提供了两个函数进行扁平化操作 他们的功能相同，但在内存上有很大的不同。我们在平时使用的时候flatten()更为合适，在使用过程中flatten()分配了新的内存，但ravel()返回的是一个数组的视图 例子： import numpy as np a=np.arange(12).resh
阅读全文
posted @
2020-08-11 16:33
小小喽啰
阅读(377)
推荐(0) 编辑
np.meshgrid() 生成网格坐标函数，主要用于可视化决策边界
摘要：numpy.meshgrid() 生成网格点坐标矩阵 [X,Y] = meshgrid(x,y) 将向量x和y定义的区域转换成矩阵X和Y,其中矩阵X的行向量是向量x的简单复制，而矩阵Y的列向量是向量y的简单复制(注：下面代码中X和Y均是数组，在文中统一称为矩阵了)。 假设x是长度为m的向量，y是长度
阅读全文
posted @
2020-08-11 15:55
小小喽啰
阅读(3578)
推荐(0) 编辑
numpy.diff()函数,后一个元素减前面的一个元素
摘要：当我在看到这个代码时，不是很了解np.diff()函数： #计算以下列表中连续的天数。 import numpy as np from dateutil import parser dateString = ['Oct, 2, 1869', 'Oct, 10, 1869', 'Oct, 15, 18
阅读全文
posted @
2020-08-10 15:30
小小喽啰
阅读(7391)
推荐(0) 编辑
numpy 的四则运算
摘要：一、一维矩阵的加减乘除，三角函数 注意，如果是两个数组运算，则元素个数要一致 import numpy as np a=np.array([10,20,30,40]) #array([10, 20, 30, 40]) b=np.arange(4) #array([0, 1, 2, 3]) c=np.
阅读全文
posted @
2020-08-07 17:24
小小喽啰
阅读(917)
推荐(0) 编辑
numpy简单的笔记
摘要：1.生成numpy import numpy as np #1.array,里面需要是数组 np.array([[1,2,3],[2,3,4]]) np.array([(1,2,3),(1,3,4)]) #2.arange,np.arange(start,stop,step),和range用法基本相
阅读全文
posted @
2020-07-15 17:27
小小喽啰
阅读(160)
推荐(0) 编辑
numpy np.random生成随机数
摘要：1.生成指定形状0-1之间的随机数 ：np.random.random()和np.random.rand() 注意：np.random.random()如果要生成多维数据时需要传入一个数组(tuple类型），而np.random.rand()可以直接传入 #生成0-1之间的随机数 import nu
阅读全文
posted @
2020-07-06 18:54
小小喽啰
阅读(10719)
推荐(0) 编辑
