2022年1月7日
Seaborn分布数据可视化---散点分布图
摘要： 散点分布图 综合表示散点图和直方分布图。 Jointplot() 绘制二变量或单变量的图形，底层是JointGrid()。 sns.jointplot( x, y, data=None, kind='scatter', stat_func=None, color=None, height=6, ra 阅读全文
posted @ 2022-01-07 12:38 溪奇的数据 阅读(1402) 评论(0) 推荐(0) 编辑
Seaborn分布数据可视化---直方图/密度图
摘要： 直方图\密度图 直方图和密度图一般用于分布数据的可视化。 distplot 用于绘制单变量的分布图，包括直方图和密度图。 sns.distplot( a, bins=None, hist=True, kde=True, rug=False, fit=None, hist_kws=None, kde_ 阅读全文
posted @ 2022-01-07 11:46 溪奇的数据 阅读(1703) 评论(0) 推荐(0) 编辑
Seaborn调色盘设置
摘要： 调色盘设置 设置调色 color_palette()设置调色盘，返回一个调色盘的颜色列表，默认6种颜色：deep, muted, bright, pastel, dark, colorblind. seaborn.color_palette(palette=None, n_colors=None, 阅读全文
posted @ 2022-01-07 11:15 溪奇的数据 阅读(1266) 评论(0) 推荐(0) 编辑
2022年1月6日
Seaborn风格设置
摘要： 官方网站：seaborn: statistical data visualization — seaborn 0.11.2 documentation (pydata.org) Seaborn是基于matplotlib的python数据可视化库，提供更高层次的API封装，包括一些高级图表可视化等工具 阅读全文
posted @ 2022-01-06 12:39 溪奇的数据 阅读(408) 评论(0) 推荐(0) 编辑
2021年12月23日
Numpy结构化数组
摘要： Numpy结构化数组 Numpy的结构化数组和记录数组为复合的、异构的的数据提供了非常有效的存储。 结构化数组 In [1]: import numpy as np In [2]: name = ['A','B','C','D'] In [3]: age = [23,34,23,45] In [4] 阅读全文
posted @ 2021-12-23 12:57 溪奇的数据 阅读(72) 评论(0) 推荐(0) 编辑
Numpy随机数组（random)
摘要： numpy.random()模块补充了Python内置random模块的一些功能，用于高效/高速生成一些概率分布的样本数组数据。 In [1]: import numpy as np In [2]: from random import normalvariate #从下面比较可以看到，numpy. 阅读全文
posted @ 2021-12-23 12:56 溪奇的数据 阅读(1201) 评论(0) 推荐(0) 编辑
Numpy线性计算
摘要： Numpy内置方法以及numpy.linalg模块可实现矩阵乘法、矩阵分解、矩阵行列式等线性代数的计算。 In [1]: import numpy as np In [2]: x = np.arange(6,dtype='float').reshape(2,3) In [3]: x Out[3]: 阅读全文
posted @ 2021-12-23 12:33 溪奇的数据 阅读(100) 评论(0) 推荐(0) 编辑
Numpy文件操作
摘要： Numpy可以以文本或二进制模式存储和读取数组数据。 np.save(file,array) ： 以二进制文件存储数组数据，文件后缀为.npy，可自动添加后缀。 np.savez(file, *args, **kwds)：以二进制文件不压缩存储多个数组数据到一个文件中，文件后缀为.npz。 np.s 阅读全文
posted @ 2021-12-23 12:24 溪奇的数据 阅读(129) 评论(0) 推荐(0) 编辑
2021年12月17日
常用的Numpy通用函数列表
摘要： 官网来源：Universal functions (ufunc) — NumPy v1.21 Manual 数学运算（Math operations） 表达式 定义 add(x1, x2, /[, out, where, casting, order, …]) Add arguments eleme 阅读全文
posted @ 2021-12-17 17:04 溪奇的数据 阅读(130) 评论(0) 推荐(0) 编辑
Numpy通用函数及向量化计算
摘要： Python（Cpython)对于较大数组的循环操作会比较慢，因为Python的动态性和解释性，在做每次循环时，必须做数据类型的检查和函数的调度。 Numpy为很多类型的操作提供了非常方便的、静态类型的、可编译程序的接口，称为向量操作，通过通用函数实现，使数组中的数据运算执行效率更快。 In [3] 阅读全文
posted @ 2021-12-17 16:45 溪奇的数据 阅读(193) 评论(0) 推荐(0) 编辑