文章目录
-
- 引言
- Numpy库
-
- 数组创建
- 数组的计算
- 数组的索引与切片
- pandas库
-
- Series
- DataFrame
- PLE库
-
- 相关使用的函数
- Matplotlib库
-
- 基本使用
- 作业
引言
第三天的培训主要讲了和数据挖掘和深度学习领域有关的四剑客：Numpy、pandas、Matplotlib、PIL库。由于课程时间有限，人美心善代码6的文姐姐只给我们讲了这些库的常见用法，小编觉得吧，要想深入这个领域还是要靠自己自学这些库，多使用，熟能生巧嘛，哈哈哈。下面的小编将分别介绍这四个库。
Numpy库
numpy是Python科学计算库的基础。包含了强大的N维数组对象和向量运算
中文文档官网：https://www.numpy.org.cn/
数组创建
可以使用array函数从常规Python列表或元组中创建数组。得到的数组的类型是从Python列表中元素的类型推导出来的。
创建数组最简单的办法就是使用array函数。它接受一切序列型的对象（包括其他数组），然后产生一个新的含有传入数据的numpy数组。其中，嵌套序列（比如由一组等长列表组成的列表）将会被转换为一个多维数组
我们必须从数组和元组中创建矩阵。
此外NumPy提供了几个函数来创建具有初始占位符内容的数组。
-
可以创建指定长度或者形状的全0数组
-
可以创建指定长度或者形状的全1数组
-
创建一个数组，其初始内容是随机的,取决于内存的状态
为了创建数字组成的数组，NumPy提供了一个类似于的函数，该函数返回数组而不是列表。
np.arange([start, ]stop, [step, ]dtype=None)
- start:可忽略不写，默认从0开始;起始值
- stop:结束值；生成的元素不包括结束值
- step:可忽略不写，默认步长为1；步长
- dtype:默认为None，设置显示元素的数据类型
输出数组的一些信息，如维度、形状、元素个数、元素类型等
重新定义数字的形状
数组的计算
数组很重要，因为它可以使我们不用编写循环即可对数据执行批量运算。这通常叫做。
大小相等的数组之间的任何算术运算都会将运算应用到元素级。同样，数组与标量的算术运算也会将那个标量值传播到各个元素
矩阵乘法：
运用方法进行矩阵运算
arr3 = np.array([[1,2
来源：Miller_em
声明：本站部分文章及图片转载于互联网，内容版权归原作者所有，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！