3857-王元新-人工智能学科-计算机视觉方向 扫二维码继续学习 二维码时效为半小时

(0评价)
价格: 免费

numpy多用在大型、多维数组上执行数值运算;

 

[展开全文]
荦荦 · 2022-11-11 · 自由式学习 0

折线图:能够显示数据的变化趋势,反应事物的变化情况(变化)

直方图:绘制连续性的数据,展示一组或多组数据的分布情况(统计)

条形图:绘制离散的数据,能够一眼看出各个数据的大小,比较数据之间的差别(统计)

散点图:判断变量之间是否存在数量关联趋势,展示离群点(分布规律)

 

[展开全文]
荦荦 · 2022-10-24 · 自由式学习 0

matplotlib

  1. 可以将数据进行可视化,更直观的呈现,是数据更加客观有说服力;是Python的底层绘图库;
  2. 基本要点:
    1. axis轴:x或y轴;
    2. from matplotlib import pyplot as plt(命名为plt简写)

[展开全文]
荦荦 · 2022-10-19 · 自由式学习 0

数据分析的介绍

  1. 为什么学习数据分析:Python数据科学的基础与机器学习课程的基础。
  2. 数据分析师用适当的方法对手机的大量数据进行分析,帮助人们做出判断,以便采取适当行动。
  3. 数据分析流程:提出问题、准备数据(数据清洗或预处理)、分析数据、获得结论、成果可视化。
[展开全文]
荦荦 · 2022-10-15 · 自由式学习 0

切片和索引

1.选择行 t【2】

2.选择列t【3:,:】

3.选择行列 连续的多行 t[2:,:3]

4.索引 t【2,3】

[展开全文]
3233小风 · 2022-10-15 · 自由式学习 0

### numpy中的nan和inf

1.当本地文件为float的时候,有缺失时,会出现nan

或者做义工不适合的计算时

2.inf表示正无穷,-inf是负无穷

### numpy常用统计函数

1.求和:np.sum(t3,axis=0)是计算行上的结果

(axis=1是计算列上的结果)

2.均值:np.mean(t,axis=0)

3.中值:np.median(t3,axis=0)

4.最大值:np.max(axis=0)

5.最小值:np.min(axis=0)

6.极值:np.ptp(t3,axis=0)

7.标准差:np.std(axis=0)

标准差反应数据的波动情况,越大则越分散

 

[展开全文]
3233小风 · 2022-10-07 · 自由式学习 0

## numpy好用的方法

1.获得最大值最小值的位置

  np.argmax(t,axis=0)

  np.argmin(t.axis=1)

2.创建一个全为0的数组:np.zeros((3,4))

3.创建一个全为1的数组:np.ones((3,4))

4.创建一个对角线为1的正方形数组(方阵):

np,eye(3)

## numpy生成随机数

 

[展开全文]
3233小风 · 2022-09-18 · 自由式学习 0

##数组的拼接

#竖直拼接

np.vstack((t1,t2))

#水平拼接

np.hstack((t1,t2))

#行交换

t[[1,2],:]=t[[2,1],:]

#列交换

t[:,[0,2]]=t[:,[2,0]]

[展开全文]
3233小风 · 2022-09-18 · 自由式学习 0

np.where(t<10,0,10)#numpy三元运算符

如果t<10,则为0,否则为10

np.clip(10,18)#numpy的裁剪

 

[展开全文]
3233小风 · 2022-09-18 · 自由式学习 0

## numpy读取本地数据

numpy读取数据

np.loadtxt(fname,dtype=np.float,delimiter=None,skiprows=0,usecols=None,unpack=False)

[展开全文]
3233小风 · 2022-09-06 · 自由式学习 0

###数组的计算

np.shape()只有一个值是一维的,指的是有多少个元素

两个值,二维,指几行几列

三个值,三维

np.reshape((3,4))把什么变成三行四列形式

```python

import numpy as np
t1=np.arange(32).reshape((2,4,4))
print(t1)

```

t1.flatten()可以快速把数据按顺序变成二维的

1.广播机制:数组与数字直接运算

2.特例:t1/0 :0/0=nan,数字/0=inf

3.数组与数组计算,长度相同时,按维度依次计算

 

[展开全文]
3233小风 · 2022-09-06 · 自由式学习 0

## numpy学习(处理数字性数据)

1.np.array()把内容变成数组

2.t1.dtype可以显示其类型

3.np.astype可以把类型改变

4.保存固定位的小数

np.round(range(10),3)

[展开全文]
3233小风 · 2022-09-05 · 自由式学习 0

### 总结四种方法

matplotlib.plot()折线图

matplotlib.bar  条形图

matplotlib.scatter 散点图

matplotlib.hist 直方图

更多绘图软件:Aoache ECharts

[展开全文]
3233小风 · 2022-09-05 · 自由式学习 0

#### 绘制直方图

组数=极差/组距

[展开全文]
3233小风 · 2022-09-02 · 自由式学习 0

#### 条形图

plt.bar 竖着的条形图,线条粗细是width(线条的宽度)

plt.barh 横着的条形图,线条粗细成了height(线条的高低)

plt.grid 是添加网格,alpha是透明度

[展开全文]
3233小风 · 2022-09-01 · 自由式学习 0

#### 散点图是plt.scatter

遗忘知识点:

plt.legend(loc="uppper left",prop=my_font)

[展开全文]
3233小风 · 2022-08-31 · 自由式学习 0

###

plt.grid绘制网格

plt.grid(alpha=0.5)#alpha这个代表透明度

plt.plot(linestyle=':')表示折线变成虚线

color=''#线条颜色

linestyle=''#折线的形式

linewidth=5#线条粗细

alpha=0.5#透明度

以上都是放在plt.plot中的

[展开全文]
3233小风 · 2022-08-31 · 自由式学习 0

# 函数rotation=90旋转的度数

[展开全文]
3233小风 · 2022-08-30 · 自由式学习 0

###调整x或者y轴上的参数

1.from matplotlib import pyplot as plt引入函数

2.plt.figure(figsize=(20,8),dpi=80)

#figurezide图片大小,(长,宽),dpi越大越不容易失真

 

 

from matplotlib import pyplot as plt

x=range(2,26,2)
y=[15,13,14,5,17,20,25,26,26,27,22,18,15]

#设置图片大小
#figurezide图片大小,(长,宽),dpi越大越不容易失真
plt.figure(figside=(20,8),dpi=80)

#绘图
plt.plot(x,y)

#设置x轴
_xtick_labels=[i/2 for i in range(2,49)]
plt.xticks(_xtick_labels[::3])

#保存

#plt.savefig("./t1.png")
#展示
plt.show()
[展开全文]
3233小风 · 2022-08-30 · 自由式学习 0