注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. numpyTrain (1).html 练习使用python-numpy的方法——东北大学大数据班数据挖掘Python基础二（1）

  2. 练习使用python-numpy的方法——东北大学大数据班数据挖掘Python基础二（1） 实训项目:练习使用numpy的方法。 （1）用0~19的数字生成(4,5)的数组命名为a,查看a的维度；查看a的轴的个数；查看a元素的总个数; （2）创建元素为1,2,3,4的(2,2)的数组 b，查看b中元素类型。 （3）创建一个全1的（4,4）的数组c;创建一个内容随机的(3,2)数组d，并打印d。 （4）用0~11的数，创建一个3*4的数组n1，计算每一列的和；计算每一行的最小值。 （5）生成一个3

  3. 所属分类：Python

    • 发布日期：2020-03-29
    • 文件大小：333824
    • 提供者：weixin_43124279

  1. Python numpy数组转置与轴变换

  2. 主要介绍了Python numpy数组转置与轴变换,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下

  3. 所属分类：其它

    • 发布日期：2020-09-18
    • 文件大小：71680
    • 提供者：weixin_38537968

  1. 详解Python Matplotlib解决绘图X轴值不按数组排序问题

  2. 主要介绍了详解Python Matplotlib解决绘图X轴值不按数组排序问题，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

  3. 所属分类：其它

    • 发布日期：2020-09-18
    • 文件大小：71680
    • 提供者：weixin_38628243

  1. Python numpy实现数组合并实例(vstack,hstack)

  2. 若干个数组可以沿不同的轴合合并到一起，vstack,hstack的简单用法， >>> a = np.floor(10*np.random.random((2,2))) >>> a array([[ 8., 8.], [ 0., 0.]]) >>> b = np.floor(10*np.random.random((2,2))) >>> b array([[ 1., 8.], [ 0., 4.]]) >

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：37888
    • 提供者：weixin_38651273

  1. Python使用迭代器打印螺旋矩阵的思路及代码示例

  2. 思路 螺旋矩阵是指一个呈螺旋状的矩阵，它的数字由第一行开始到右边不断变大，向下变大， 向左变大，向上变大，如此循环。 螺旋矩阵用二维数组表示,坐标(x,y),即(x轴坐标，y轴坐标)。 顺时针螺旋的方向是->右,下,左,上,用数值表示即是x加1格(1,0),y加1格(0,1),x减1格(-1,0),y减1格(0,-1)。 坐标从(0,0)开始行走,当超出范围或遇到障碍时切换方向。 螺旋矩阵的打印首先要对n*n的数组进行赋值，根据规律可以看出，每一层都是按照右->下->左->

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：41984
    • 提供者：weixin_38660802

  1. 基于Python Numpy的数组array和矩阵matrix详解

  2. NumPy的主要对象是同种元素的多维数组。这是一个所有的元素都是一种类型、通过一个正整数元组索引的元素表格(通常是元素是数字)。 在NumPy中维度(dimensions)叫做轴(axes)，轴的个数叫做秩(rank，但是和线性代数中的秩不是一样的，在用python求线代中的秩中，我们用numpy包中的linalg.matrix_rank方法计算矩阵的秩，例子如下)。 结果是： 线性代数中秩的定义：设在矩阵A中有一个不等于0的r阶子式D，且所有r+1阶子式(如果存在的话)全等于0，那末D称为矩

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：161792
    • 提供者：weixin_38669832

  1. 关于numpy数组轴的使用详解

  2. 概述 按照图一中aixs=0，对aixs=0上下对应的数据进行相加在学习numpy的时候，最难理解的就是轴的概念，我们知道坐标系中有轴的概念，那么两个轴是否有关联呢？为了便于理解，特写此博客进行梳理。 正文 首先数组的维数比较好理解，下面我们创建一个数组： import numpy as np # 创建一个三维数组 b=np.arange(24).reshape(4,3,2) 打印结果： [[[ 0 1] [ 2 3] [ 4 5]] [[ 6 7] [ 8 9] [10 11]]

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：75776
    • 提供者：weixin_38705014

  1. python—-Matplotlib数据可视化基础(学习笔记)

  2. Matplotlib数据可视化 import numpy as np import matplotlib.pyplot as plt #导入库 plt.rcParams['font.sans-serif'] = 'SimHei' ## 设置中文显示 plt.rcParams['axes.unicode_minus'] = False 基本语法 data = np.arange(0,2,0.01) #0到2，步长为0.01的数组 plt.title('title') #添加标题 plt.xl

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：30720
    • 提供者：weixin_38617851

  1. Python数据分析实战【第三章】1.2- Numpy基础数据结构【python】

  2. 【课程9.2】 Numpy基础数据结构 NumPy数组是一个多维数组对象，称为ndarray。其由两部分组成： ① 实际的数据 ② 描述这些数据的元数据 1.多维数组ndarray import numpy as np ar = np.array([1,2,3,4,5,6,7]) print(ar) # 输出数组，注意数组的格式：中括号，元素之间没有逗号（和列表区分） print(ar.ndim) # 输出数组维度的个数（轴数），或者说“秩”，维度的数量也称rank p

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：141312
    • 提供者：weixin_38629801

  1. python matplotlib imshow热图坐标替换/映射实例

  2. 今天遇到了这样一个问题，使用matplotlib绘制热图数组中横纵坐标自然是图片的像素排列顺序， 但是这样带来的问题就是画出来的x，y轴中坐标点的数据任然是x，y在数组中的下标， 实际中我们可能期望坐标点是其他的一个范围，如图： 坐标点标出来的是实际数组中的下标，而我希望纵坐标是频率，横坐标是其他的范围 plt.yticks(np.arange(0, 1024, 100), np.arange(10000, 11024, 100)) #第一个参数表示原来的坐标范围，100是每隔100个点标出

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：214016
    • 提供者：weixin_38611388

  1. python 使用pandas计算累积求和的方法

  2. 使用pandas下的cumsum函数 cumsum：计算轴向元素累积加和,返回由中间结果组成的数组.重点就是返回值是”由中间结果组成的数组” import numpy as np ''' arr是一个2*2*3三维矩阵，索引值为0，1，2 cumsum(0)：实现0轴上的累加：以最外面的数组元素为单位，以[[1,2,3],[8,9,12]]为开始实现后面元素的对应累加 cumsum(1)：实现1轴上的累加：以中间数组元素为单位，以[1,2,3]为开始，实现后面元素的对应累加 cumsum(2)

  3. 所属分类：其它

    • 发布日期：2020-12-31
    • 文件大小：37888
    • 提供者：weixin_38733367

  1. 详解Python Matplotlib解决绘图X轴值不按数组排序问题

  2. 在用Matplotlib库绘制折线图的时候遇到一个问题，当定义一个x轴数组时，plot绘制折线图时，x轴并不会按照我们定义的数组的顺序去排列显示，例如： import matplotlib.pyplot as plt colums_x = ['aa','bc','ad','bd'] colums_y = [12,14,10,15] plt.plot(colums_x,colums_y) plt.show() 我期望的是 X 轴能够按照： aa ，bc ，ad ，bd ，从左到右显示，但plt.

  3. 所属分类：其它

    • 发布日期：2020-12-31
    • 文件大小：72704
    • 提供者：weixin_38665822

  1. Python numpy数组转置与轴变换

  2. 这篇文章主要介绍了Python numpy数组转置与轴变换,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下 矩阵的转置 >>> import numpy as np >>> arr=np.arange(15).reshape((3,5)) >>> arr array([[ 0, 1, 2, 3, 4], [ 5, 6, 7, 8, 9], [10, 11, 12, 13,

  3. 所属分类：其它

    • 发布日期：2021-01-02
    • 文件大小：76800
    • 提供者：weixin_38644688

  1. DAFunctor:N维数组函子。 NumPyPyTorch ndarray操作的符号转换器-源码

  2. 注意 仍处于前Alpha开发阶段 需要Python 3.6+ 设计不支持运行时轴操作，例如： 动态形状 动态转置 好处 内存占用量少（中间缓冲区更少，无需手动处理） 没有内存管理 if在循环中， if没有必要 与NumPy结果并排比较 运行前安全检查 没有依赖关系 纯Python，兼容性问题少 负责任的JIT：简单的C代码生成 支持的运营 脾气暴躁的 创建 大批 零 那些 满的 范围 网状网格（xy） 从缓冲区 操纵 转置 堆 expand_dims 重塑 级联 重复 连续数组 逻辑更大的 切片

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：37888
    • 提供者：weixin_42101384

  1. findiff：Python软件包，用于任意维的数值导数和偏微分方程-源码

  2. 芬迪夫 一个Python软件包，用于任意维的有限差分数值导数和偏微分方程。 特征 沿任意轴以任何所需的精度顺序区分任意数量的维数组 网格边界的精确处理 包括来自矢量演算的标准运算符，例如梯度，发散和卷曲 可以处理均匀和非均匀网格 可以处理具有常数和可变系数的导数的任意线性组合 完全矢量化的速度 计算均匀和不均匀网格的任意阶次和精度的原始有限差分系数 版本0.7中的新功能：生成任意线性微分算子的矩阵表示 版本0.8中的新功能：使用Dirichlet或Neumann边界条件求解偏微分方程 安装 p

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：363520
    • 提供者：weixin_42133753

  1. python字典操作实例详解

  2. 本文实例为大家分享了python字典操作实例的具体代码，供大家参考，具体内容如下 #!/usr/bin/env python3 # -*- coding: utf-8 -*- import turtle ##全局变量## #词频排列显示个数 count = 10 #单词频率数组-作为y轴数据 data = [] #单词数组-作为x轴数据 words = [] #y轴显示放大倍数-可以根据词频数量进行调节 yScale = 6 #x轴显示放大倍数-可以根据count数量进行调节 xScale =

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：45056
    • 提供者：weixin_38626242

  1. Python数据处理numpy.median的实例讲解

  2. numpy模块下的median作用为： 计算沿指定轴的中位数 返回数组元素的中位数 其函数接口为： median(a, axis=None, out=None, overwrite_input=False, keepdims=False) 其中各参数为： a：输入的数组； axis：计算哪个轴上的中位数，比如输入是二维数组，那么axis=0对应行，axis=1对应列； out：用于放置求取中位数后的数组。 它必须具有与预期输出相同的形状和缓冲区长度； overwrite_input：一个bo

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：44032
    • 提供者：weixin_38617297

  1. python中axis=0和axis=1的问题记录

  2. 之前一直搞不清axis = 0 和 axis = 1 之间的区别，一会是按行求和，一会是按列遍历，那到底axis是咋操作的呢？查找了些资料，发现了一种很好的解释就是： 0轴垂直往下，1轴向右水平延伸。 啥意思？？ 尝试一下好了 import numpy as np import pandas as pd tmp = np.random.randint(1,10,12).reshape(3,4) tmp #1到10随机生成12个整数，并重组成3行4列的数组 array([[5, 6, 4, 4],

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：35840
    • 提供者：weixin_38617001

  1. python日记Day13——matplotlib之入门

  2. python日记——matplotlib之入门 matplotlib是python优秀的数据可视化第三方库，matplotlib库由各种可视化类构成，内部结构复杂，受Matlab启发matplotlib.pyplot是绘制各类可视化图形的命令子库，相当于快捷方式 小案例入门 from matplotlib import pyplot as plt plt.subplot(2,1,1) #（行，列，选定区域） #在全局绘图区域中创建一个分区体系，并定位到一个子绘图区域 plt.plot([0,2,

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：352256
    • 提供者：weixin_38562392

  1. Python数据分析实战【第三章】1.4- Numpy索引及切片【python】

  2. 【课程1.4】 Numpy索引及切片 核心：基本索引及切片 / 布尔型索引及切片 1.基本索引及切片 ar = np.arange(20) print(ar) print(ar[4]) print(ar[3:6]) print('-----') # 一维数组索引及切片 ar = np.arange(16).reshape(4,4) print(ar, '数组轴数为%i' %ar.ndim) # 4*4的数组 print(ar[2], '数组轴数为%i' %ar[2].ndim) # 切片

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：49152
    • 提供者：weixin_38579899
« 12 »