基本统计方法在日常的工作当中，我们经常需要通过一系列值来了解特征的分布情况。比较常用的有均值、方差、标准差、百分位数等等。前面几个都比较好理解，简单介绍一下这个百分位数，它是指将元素从小到大排列之后，排在第x%位上的值。我们一般常用的是25%，50%和75%这三个值，通过这几个值，我们很容易对于整个特征的分布有一个大概的了解。前面三个指标：均值、方差、标准差都很好理解，我们直接看代码就行。
转载
2024-06-20 06:11:29
89阅读
排序数组排序数组意味着将元素按特定顺序排列。顺序可以是数字大小、字母顺序、升序或降序等。NumPy 的 ndarray 对象提供了一个名为 sort() 的函数，用于对数组进行排序。示例：import numpy as np
arr = np.array([3, 2, 0, 1])
print(np.sort(arr))输出：[0 1 2 3]注意：so
原创
精选
2024-06-07 08:34:40
241阅读
import numpy as np x = np.array([1,4,5,2]) # array([1, 4, 5, 2]) # 返回排序后元素的原下标 np.argsort(x) # array([0, 3, 1, 2], dtype=int64) # 输出最大值的下标 x.argmax( )
原创
2021-07-21 16:31:40
417阅读
Numpy基础知识（一）数组属性NumPy 数组的维数称为秩（rank），秩就是轴的数量，即数组的维度。在 NumPy中，每一个线性的数组称为是一个轴（axis），也就是维度（dimensions）。比如说，二维数组相当于是两个一维数组，其中第一个一维数组中每个元素又是一个一维数组。所以一维数组就是 NumPy 中的轴（axis），第一个轴相当于是底层数组，第二个轴是底层数组里的数组。而轴的数量—
转载
2024-04-22 10:39:38
61阅读
NumPy（Numerical Python的缩写）是一个开源的Python科学计算库。使用NumPy，就可以很自然地使用数组和矩阵。NumPy包含很多实用的数学函数，涵盖线性代数运算、傅里叶变换和随机数生成等功能。本文主要介绍Python NumPy 数组 排序 原文地址：Python NumPy
转载
2022-06-02 07:02:17
207阅读
参考了https://www.yiibai.com/numpy/numpy_ndarray_object.html。其实opencv对像素进行运算用的就是numpy，它的MATLAB真的很像。学会了numpy，后面像素运算就完全看得懂了，或者说必须会numpy，否则的话，没办法往下学，那么废话不多说，直接开始吧。 下图中可以看到，二维数组的单维是可以元素个数不
转载
2024-05-23 21:37:14
366阅读
NumPy最重要的一个特点就是其N维数组对象（即ndarray），该对象是一个快速而灵活的大数据集容器。你可以利用这种数组对整块数据执行一些数学运算，ndarray是一个通用的同构数据多维容器，也就是说，其中的所有元素必须是相同类型的。每个数组都有一个shape（一个表示各维度大小的元组）和一个dtype（一个用于说明数组数据类型的对象）。数组的创建通过array方法创建：创建ndarray;查看
转载
2023-06-23 15:14:58
481阅读
文章目录数组属性数组索引数组切片一维数组切片多维数组切片创建副本数组变形数组拼接数组分裂 数组属性#设定种子值，使每次得到相同随机数组
np.random.seed(1)
x1=np.random.randint(10,size=6) #一维数组
x2=np.random.randint(10,size=(3,4)) #二维数组
x3=np.random.randint(10,size=(3,
转载
2024-06-22 18:48:11
212阅读
简单试用了一下numpy中的数组排序功能，处理一维数组的时候有点让我觉得像Java的体验。不过，numpy中排序给出的使用方式更加丰富一点，尤其是面向向量计算的时候。下面通过简单的示范来做一下小结。In [48]: arr1 = randn(100)In [49]: arr1Out[49]:array([ 0.91021301, -0.42849536, 0.353204
原创
2022-03-11 14:17:40
382阅读
安装1.以管理员的形式打开cmd2.使用以下命令查看是否安装成功创建1.在vscode进行导入numpy模块import numpy as np2.创建数组使用array创建#使用array创建一维数组
list01 = [1,2,3,4]
np01 = np.array(list01)
print(np01)
#使用array创建二维数组
list02 = [[1,2,3,4],[5,6,7,8
转载
2023-11-28 08:23:47
245阅读
Python自带的numpy是深度学习最常用的库之一，作为深度学习入门，只需要掌握创建数组、索引、类型转换、维度变换即可，其他在深度学习中不是很常用，等要用到的时候看看函数API就行。1.创建数组1.1 使用 ones，empty， zeros生成数组，形参shape=[2,3]为2行3列的维度#in:
np.ones(shape=[2,3]) #[2，3]为2行3列的维度
#out:
转载
2023-11-10 06:42:17
908阅读
简单试用了一下numpy中的数组排序功能，处理一维数组的时候有点让我觉得像Java的体验。不过，numpy中排序给出的使用方式更加丰富一点，尤其是面向向量计算的时候。下面通过简单的示范来做一下小结。In [48]: arr1 = randn(100)In [49]: arr1Out[49]:array([ 0.91021301, -0.42849536, 0.353204
原创
2021-07-08 14:29:55
285阅读
前言正如我前面所讲，量化交易背后是有着一套严谨计算的过程的。我们进行量化交易时，如果进行原始数据的分析，一般避免不了进行数据的运算。所以，按照我跟大家讲的量化交易学习路线，我们需要先学习下numpy和pandas，这两个是python进行数据运算和处理的两个比较重要的依赖包。我们本篇文章先来看下，量化交易计算的Numpy。这里，我必须先友情提示下，接下去两章的内容会比较枯燥，因为涉及到一些数据计算
numpy基础知识1：创建数组import numpy as np
#数组的基本属性
#二维数组
A = np.array([[1,2,3],[4,5,6]])
print('A=\n',A)
print('数组的尺寸（几行几列）：',A.shape)
print('查看第一个维度的大小（即行数）：',A.shape[0])
print('查看第二个维度的大小（即列数）：',A.shape[1]
转载
2024-05-29 09:29:24
154阅读
文章目录工具-numpy一维ndarray与常规数组的区别多维ndarray花式索引更高维数组省略号布尔索引np.ix_ 工具-numpynumpy是使用Python进行数据科学的基础库。numpy以一个强大的N维数组对象为中心，它还包含有用的线性代数，傅里叶变换和随机数函数。一维ndarray导入numpyimport numpy as np一维ndarray的访问和常规的Python数组类似
转载
2024-04-02 13:25:19
151阅读
1. Numpy简介Numpy是Numerical Python的简称，它是目前Python数值计算中最为重要的基础包。大多数计算包都提供了基于Numpy的科学函数功能，将Numpy的数组对象作为数据交换的通用语。Numpy之所以能够流行，其中一个原因就是它的设计对于含有大量数组的数据非常有效。Numpy在内部将数据存储在连续的内存块上，这与其他的Python内键数据结构是不同的，也使得Numpy
转载
2024-05-31 02:16:26
46阅读
在Python中，处理多维数组时，通常需要将3维数组转换为NumPy数组以便利用NumPy强大的数值计算功能。接下来，我将为大家详细解析如何完成这一过程，包括版本对比、迁移指南、兼容性处理、实战案例、性能优化、生态扩展等内容。
### 版本对比
在处理Python及NumPy版本的过程当中，首先需要了解不同版本之间的特性差异。以下是版本演进的时间轴和版本特性对比表：
#### 时间轴
- *
一.引言给定一个正整数 N，输出数列 1,2,3,...,N 的全排列。简单分析一下，N 个正整数，总共满足的可能性为 N！= N * (N-1) * ... * 1。通过遍历每一个位置，分别放置不同的数字即可达到问题要求。先用一个最 for 的方案理解一下:nums = [1, 2, 3]
candidates = []
for i in nums:
for j
转载
2023-05-31 22:29:39
86阅读
#一维数组转化成二维的方法：
np.random.seed(101)
arr=np.random.randint(1,4,size=6)
print("\n原数组：\n",arr)
print("\n如何把一维数组转换成二维的：")
print("arr[:,None]:\n",arr[:,None])
print("")
print("arr[:,np.newaxis
转载
2023-06-02 21:27:55
479阅读
【数据分析：工具篇】NumPy（3）NumPy深度使用详解-2NumPy深度使用详解-2数组的切片常规切片方法高级切片方法数组操作调整形状连接数组分割数组数组展平维度转置最大值的索引最小值的索引总结 NumPy深度使用详解-2NumPy是Python的一个常用科学计算库，它是Numerical Python的缩写。它的核心是一个多维数组对象（ndarray），这个对象是一个快速而灵活的容器，可以
转载
2023-12-13 04:04:34
489阅读
