摘要：
1.索引操作【掌握】 直接索引 -- 先列后行,是需要通过索引的字符串进行获取 # 获取'2018-02-27'这天的'close'的结果 # 获取从'2018-02-27':'2018-02-22'，'open'的结果 # 直接使用行列索引名字的方式（先列后行） data['open']['201 阅读全文
摘要：
Pandas数据结构 Series:一维 DataFrame:二维 MultiIndex：三维 1 Series 1.1 创建 pd.Series([], index=[]) pd.Series({}) # 导入pandas import pandas as pd pd.Series(data=No 阅读全文
摘要：
1.矩阵和向量 矩阵就是特殊的二维数组 向量就是一行或者一列的数据 2.矩阵加法和标量乘法 矩阵的加法:行列数相等的可以加。 矩阵的乘法:每个元素都要乘。 3.矩阵和矩阵(向量)相乘 (M行, N列)*(N行, L列) = (M行, L列) 4.矩阵性质 矩阵不满足交换率,满足结合律 5.单位矩阵 阅读全文
摘要：
1 数组与数的运算 数组的加减乘除是针对数组中的每一个值的。 python列表的乘法相当于多次输出 举例： arr = np.array([[1, 2, 3, 2, 1, 4], [5, 6, 1, 2, 3, 1]]) arr + 1 arr / 2 # 可以对比python列表的运算，看出区别 阅读全文
摘要：
ndarray运算 1 逻辑运算 直接进行大于、小于的判断 2 通用判断函数 np.all() # 判断前两名同学的成绩[0:2, :]是否全及格 >>> np.all(score[0:2, :] > 60) False np.any() # 判断前两名同学的成绩[0:2, :]是否有大于90分的 阅读全文
摘要：
1.生成数组的方法 1.1 生成0和1的数组 np.ones(shape, dtype) np.ones_like(a, dtype) np.zeros(shape, dtype) np.zeros_like(a, dtype) 举例： ones = np.ones([4,8]) 返回结果： arr 阅读全文
摘要：
1 ndarray的属性[重要] 属性名字 属性解释 ndarray.shape 数组维度的元组 ndarray.ndim 数组维数 ndarray.size 数组中的元素数量 ndarray.itemsize 一个数组元素的长度（字节） ndarray.dtype 数组元素的类型 2 ndarra 阅读全文
摘要：
1 Numpy介绍 Numpy(Numerial Python) 用于快速处理任意维度的数组 支持常见的数组和矩阵操作，同样的数值计算任务比直接使用python简洁 使用ndarray对象来处理多维数组 2 ndarray介绍 ndarray是Numpy的一个N维数组类型ndarray,它描述了相同 阅读全文
摘要：
一、界面启动、创建文件 1.1 界面启动 # 进入虚拟环境 workon ai # 输入命令 jupyter notebook 本地notebook的默认URL为：http://localhost:8888 1.2 新建notebook文档 1.3 内容界面操作-helloworld 标题栏：点击标 阅读全文
摘要：
1. 依次执行 pip install virtualenv pip install virtualenvwrapper-win 2.创建python虚拟环境 mkvirtualenv [虚拟环境名称] 3.使用pip命令安装各版本库 pip3 install -r jupyter=1.0.0 pi 阅读全文