02 2024 档案

1.1 - 线性代数 - 初步认识
摘要：1.1.1 初了解 微积分中的 “以直代曲” 是人们处理数学问题的一种重要思想。在科研领域中，如果问题是非线性的，通常我们很难去处理它们。线性问题是人类少数可以研究的很透彻的数学基础性框架。因此，将非线性问题转换为线性问题，然后通过线性代数的知识来解决。这是数学领域解决非线性问题的一种常用思路。 1 阅读全文
posted @ 2024-02-25 17:15 橘子葡萄火龙果 阅读(73) 评论(0) 推荐(0) 编辑
1.2 - Series和DataFrame的常用属性和方法
摘要：1.2.1 常用属性 1）Series常用属性 import pandas as pd ser = pd.Series(data=[1, 2, 3], index=['a', 'b', 'b'], dtype=int, name='ser_1') # Series常用属性 print(ser.dty 阅读全文
posted @ 2024-02-24 22:06 橘子葡萄火龙果 阅读(33) 评论(0) 推荐(0) 编辑
1.1 - Pandas简介
摘要：1.1.1 Pandas了解 Pandas 是 机器学习中进行数据分析和处理的一个扩展库，能够快速得从不同格式的文件中加载数据（比如 CSV 、Excel文件等），然后将其转换为可处理的对象。 Pandas 基于Numpy在 ndarray 的基础上构建出了两种更适用于数据分析的存储结构，分别是 S 阅读全文
posted @ 2024-02-22 19:14 橘子葡萄火龙果 阅读(17) 评论(0) 推荐(0) 编辑
1.4 - Numpy数组的矩阵操作
摘要：1.4.1 矩阵操作常见方法 https://numpy.org/doc/1.20/reference/routines.linalg.html 阅读全文
posted @ 2024-02-22 16:06 橘子葡萄火龙果 阅读(5) 评论(0) 推荐(0) 编辑
1.3 - Numpy数组的切片和索引
摘要：1.3.1 列表和数组(矩阵)的 索引/切片 虽然可以通过列表生成数组，但是要注意：列表永远是一维的，只有数组才有多维的概念。 切片是多个索引，所以，切片本质也是索引。 列表切片会拷贝一份原列表的数据，而切片数组则会返回原数组的视图。因为numpy的主要是处理大数据，如果每次切片都进行一次复制，那对 阅读全文
posted @ 2024-02-19 23:09 橘子葡萄火龙果 阅读(70) 评论(0) 推荐(0) 编辑
1.2 - Numpy数组的计算和广播
摘要：1.2.1 数组计算 Numpy数组的算数运算和比较运算，都是 逐元素操作的。 import numpy as np arr1 = np.linspace(1, 8, 8, dtype=int).reshape(2, 2, 2) print(arr1 + 1) print(arr1 - 1) pri 阅读全文
posted @ 2024-02-18 16:25 橘子葡萄火龙果 阅读(10) 评论(0) 推荐(0) 编辑
1.1 - numpy数组的属性和创建
摘要：1.1.1 numpy数组 Numpy（Number Python）是Python进行科学计算的一个扩展库，提供了大量的函数和操作，主要用于对多维数组执行计算。 Numpy数组中的每个元素都有相同的类型；并且数组大小是不可变的，修改数组大小将会创建新的数组。而python的列表类型list则会动态的 阅读全文
posted @ 2024-02-18 16:23 橘子葡萄火龙果 阅读(18) 评论(0) 推荐(0) 编辑
2.7 - 正则表达式
摘要：2.7.1 正则表达式 - 普通字符及正则方法 import re # 正则表达式 - 普通字符 string = 'hello world rld' p = re.compile('rld') # 编译正则表达式，返回Pattern实例对象 m = p.search(string) # 寻找字符串 阅读全文
posted @ 2024-02-01 23:15 橘子葡萄火龙果 阅读(10) 评论(0) 推荐(0) 编辑