Python数据分析基础教程:NumPy学习指南(第2版)
作者:(印尼)伊德里斯
出版社:北京图灵文化发展有限公司
ISBN:9787115339409
VIP会员免费
(仅需0.8元/天)
¥ 19.99
温馨提示: 价值40000元的1000本电子书,VIP会员随意看哦!
电子书推荐
-
Python数据分析基础教程:NumPy学习指南(第2版)代码+书籍pdf 评分:
Python数据分析基础教程:NumPy学习指南(第2版),包含文档pdf和文内的配套代码,后续更新可以在github上获得
上传时间:2017-11 大小:5.07MB
- 104KB
《python数据分析基础教程》.pdf
2022-12-23《python数据分析基础教程》 ⼀、导⼊常⽤numpy模块 from numpy import * //可以直接引⽤numpy中的属性XXX import numpy as np //引⽤numpy中的属性⼀定要np.XXX ⼆、常⽤函数以及转化关系 np.arange() 对应 python中的range() np.array() 对应 python中的list np.dtype() 对应 python中的type() tolist()函数可以将numpy数组转换成python列表: 列表转为数组: warning:Passing 1d arrays as data is deprecated in 0.17 and willraise ValueError in 0.19. Reshape your data either using X.reshape(-1, 1) if your data has a single feature or X.reshape(1, -1) if it contains a single sample. 这个warning主要就是有些函数参数应该是输⼊数组,当输⼊列表时就会警告!! 三、numpy中数组操作函数 数组组合函数 将ndarray对象构成的元组作为参数输⼊ (1)⽔平组合:hstack((a,b)) 或者concatenate((a,b),axis=1) (2)垂直组合:vstack((a,b)) 或者concatenate((a,b),axis=0) (3)列组合:column((a,b)) (4)⾏组合:row_stack((a,b)) 数组的分割函数 (1)⽔平分割:hsplit(a,3) 或者 split(a,3,axis=1) (2)垂直分割:vsplit(a,3) 或者 split(a,3,axis=0) 四、⽂件处理——os库 1.os.system() 运⾏shell命令 2.os.listdir(path) 获得⽬录中的内容 3.os.mkdir(path) 创建⽬录 4.os.rmdir(path) 删除⽬录 5.os.isdir(path) os.isfile(path) 判断是否为⽬录或者⽂件 6.os.remove(path) 删除⽂件 7.os.rename(old, new) 重命名⽂件或者⽬录 8.os.name 输出字符串指⽰正在使⽤的平台。如果是window 则⽤'nt'表⽰,对于Linux/Unix⽤户,它是'posix' 9.os.path.join() 在⽬录后⾯接上⽂件名 10.os.path.split() 返回⼀个路径的⽬录名和⽂件名 11.os.path.splitext() 分离⽂件名与扩展名 12.os.path.getsize(name) 获得⽂件⼤⼩,如果name是⽬录返回0L 14.os.path.abspath(")获得当前路径 15.os.path.dirname()返回⼀个路径的⽬录名 五、使⽤matplotlib画图(第九章 ) 前⾯⼏个列⼦主要讲解了通过多项式函数通过plt.plot()函数构建绘图,补充⼀下在机器学习中散点绘制 import numpy as np import matplotlib.pyplot as plt fig=plt.figure() ax=fig.add_subplot(111) x1=[2, 2.6, 2.8] y1=[2, 2.4, 3] x2=[4,5 ,6] y2=[1.3, 2, 1.2] ax.scatter(x1,y1,s=20,c='red') ax.scatter(x2,y2,s=50,c='blue') plt.show() 另外:做数据分析——sklearn库 from sklearn import preprocessing 数据预处理:归⼀化、标准化、正则化处理 from sklearn import preprocessing preprocessing.normalize(features, norm='l2')//正则化
- 23.4MB
利用Python进行数据分析(第二版)1
2022-08-03前言第 2 版新内容本书第 1 版出版于 2012 年,彼时基于 Python 的开源数据分析库(例如 pandas)仍然是一个发展迅速的新事物。在本次更新、拓
- 13.30MB
利用Python进行数据分析 原书第2版_python_数据分析_
2021-10-02口碑比较好的数据分析参考书,Python编程、库,以及用于数据分析的工具。
- 23B
利用python进行数据分析 中文第二版-附件资源
2021-03-02利用python进行数据分析 中文第二版-附件资源
- 269KB
python数据分析基础教程教案.pdf
2021-12-16python数据分析基础教程教案.pdf
- 17.56MB
Python数据分析基础教程:NumPy学习指南(第2版)PPT模板.pptx
2023-06-12python数据分析基础教程:numpy学习指南(第2版) 演讲人 202x-11-11 Python数据分析基础教程:NumPy学习指南(第2版)PPT模板全文共169页,当前为第1页。 献辞 01 Python数据分析基础教程:NumPy学习指南(第2版)PPT模板...
- 13KB
Python数据分析基础教程:NumPy学习指南(第2版).xmind
2023-06-12Python数据分析基础教程:NumPy学习指南(第2版).xmind该文档详细且完整,值得借鉴下载使用,欢迎下载使用,有问题可以第一时间联系作者~
- 5.30MB
Python数据分析基础教程:NumPy学习指南(第2版)1
2022-08-04前言如今,科学家、工程师以及定量管理分析师面临着众多的挑战。数据科学家们希望能够用最小的编程代价在大数据集上进行数值分析,他们希望自己编写的代码可读性好、执行效
- 5.64MB
python基础教程:NumPy学习指南(第2版)
2017-11-14大数据学习基础--python基础教程NumPy学习指南(第2版)文档pdf
- 33.27MB
Python基础教程-第2版-中文版-目录.pdf
2018-06-28Python基础教程,适合没有基础的人阅读。本书使用的是Python2.x的版本,Python3有改动,查看最新的技术文档即可。
- 7.86MB
Python数据分析
2018-03-20利用Python进行数据分析PDF版本,利用Python进行数据分析PDF版本,利用Python进行数据分析PDF版本,利用Python进行数据分析PDF版本,利用Python进行数据分析PDF版本,利用Python进行数据分析PDF版本,利用Python进行数据分析PDF版本,利用Python进行数据分析PDF版本,利用Python进行数据分析PDF版本,利用Python进行数据分析PDF版本,利用Python进行数据分析PDF版本,利用Python进行数据分析PDF版本,利用Python进行数据分析PDF版本,利用Python进行数据分析PDF版本,利用Python进行数据分析PDF版本,
- 226KB
numpy学习指南教程
2018-08-17Numerical Python David Ascher Paul F. Dubois Konrad Hinsen Jim Hugunin Travis Oliphant
- 63KB
Numpy学习指南代码
2018-07-09NumPy学习指南代码,十分有用,对学习NumPy大有裨益,建议学习
- 65KB
python-NumPy学习指南代码
2017-11-15基于python的NumPy代码,对于大数据处理有很大的帮助。
- 2.69MB
Outlier Analysis 2nd Edition 中文 part2.pdf
2019-01-26此为中文:Outlier Analysis 2nd Edition 中文 part2 对照英文:https://download.csdn.net/download/u012547148/10938324
- 99KB
《python数据分析基础教程-numpy学习指南》源码.zip
2024-02-21《python数据分析基础教程-numpy学习指南》源码
- 14.55MB
python 数据分析基础教程 Numpy指南
2015-07-07python 数据分析基础教程 Numpy指南
- 4.91MB
Numpy学习指南书籍
2019-02-18比较完整的Numpy学习指南书籍,对学习python进行机器学习编程由很大帮助
- 308KB
《Numpy 中文用户指南》PDF
2018-09-01《Numpy 中文用户指南》
- 4.14MB
Numpy.pdf 非常详细
2020-09-12numpy是python的一个重要的库,希望写的这份资料能给大家的学习带来帮助,这份资料是在jupyter notebook写的,浏览器打印为pdf格式,包含21个小结,奥里给。
- 566KB
Numpy官方教程
2017-11-17Numpy教程,基于python语言的一个强大的科学计算库,该教程详细的讲解了numpy
- 5.49MB
NumPy Cookbook.pdf(Python大数据基础)
2013-07-09本书主要是通过近70个鲜活的使用NumPy进行数据分析的例子来讲述如何使用NumPy进行数据分析和科学计算。numpy是python实现的科学计算包。目前基于python大数据分析基本都是使用NumPy这个工具包完成的,所以如果想从事大数据分析相关工作,学习numPy技术必不可少。本书详细介绍了python下的numPy编程和使用,是一本不可多得的讲述NumPy的书籍。
- 38.22MB
从python到numpy:关于numpy向量化技术的开放式书籍,Nicolas P.Rougier,2017年
2021-02-05从Python到Numpy 版权所有(c)2017 Nicolas P.Rougier 许可证: 。 网址: : 关于NumPy的书籍已经相当多了(请参阅),一个合理的问题是想知道是否真的需要另一本书。 正如您可能通过阅读这些专栏文章猜到的那样,我个人的回答是肯定的,主要是因为我认为还有一种方法可以解决通过矢量化从Python迁移到NumPy的空间。 书中没有很多技术,而这些技术大多是通过经验学习的。 本书的目的是解释其中的一些技术,并为在此过程中积累经验提供机会。
- 4.94MB
NumPy学习指南(第2版)
2018-01-02NumPy学习指南第2版 NumPy学习指南第2版 NumPy学习指南第2版 NumPy学习指南第2版
- 2.56MB
Numpy用户指南.pdf
2020-05-21说明:本文档所有内容来源于网络 https://www.numpy.org.cn/user/ 目录 1. NUMPY 介绍 1 1.1 什么是 NUMPY? 1 1.2 为什么 NUMPY 这么快? 3 1.3 还有谁在使用 NUMPY? 3 2. 快速入门教程 4 2.1 先决条件 4 2.2 基础知识 4 2.2.1一个例子 5 2.2.2 数组创建 6 2.2.3 打印数组 8 2.2.4 基本操作 10 2.2.5 通函数 13 2.2.6 索引、切片和迭代 14 2.3 形状操纵 18 2.3.1改变数组的形状 18 2.3.2 将不同数组堆叠在一起 20 2.3.3 将一个数组拆分成几个较小的数组 22 2.4 拷贝和视图 23 2.4.1 完全不复制 23 2.4.2 视图或浅拷贝 24 2.4.3 深拷贝 25 2.4.4 功能和方法概述 26 2.5 LESS 基础 26 广播(Broadcasting)规则 27 2.6 花式索引和索引技巧 27 2.6.1使用索引数组进行索引 27 2.6.2使用布尔数组进行索引 31 2.6.3 ix_()函数 34 2.6.4使用字符串建立索引 37 2.7线性代数 37 简单数组操作 37 2.8技巧和提示 38 2.8.1“自动”整形 39 2.8.2矢量堆叠 39 2.8.3直方图 40 2.9进一步阅读 41 3. NUMPY 基础知识 42 3.1 数据类型 42 3.1.1 数组类型之间的转换 42 3.1.2 数组标量 45 3.1.3 溢出错误 46 3.1.4 扩展精度 47 3.2 创建数组 47 3.2.1 简介 48 3.2.2 将Python array_like对象转换为Numpy数组 48 3.2.3 Numpy原生数组的创建 48 3.2.4 从磁盘读取数组 50 3.3 NUMPY与输入输出 51 3.3.1 定义输入 51 3.3.2 将行拆分为列 52 3.3.3 跳过直线并选择列 54 3.3.4 选择数据的类型 55 3.3.5 设置名称 56 3.3.6 调整转换 59 3.3.7 快捷方式函数 62 3.4 索引 62 3.4.1 赋值与引用 63 3.4.2 单个元素索引 63 3.4.3 其他索引选项 64 3.4.4 索引数组 65 3.4.5 索引多维数组 66 3.4.6 布尔或“掩码”索引数组 67 3.4.7 将索引数组与切片组合 69 3.4.8 结构索引工具 70 3.4.9 为索引数组赋值 71 3.4.10 在程序中处理可变数量的索引 72 3.5 广播 73 3.6 字节交换 78 3.6.1字节排序和ndarrays简介 78 3.6.2 更改字节顺序 80 3.7 结构化数组 82 3.7.1 介绍 82 3.7.2 结构化数据类型 83 3.7.3 索引和分配给结构化数组 88 3.7.4 记录数组 96 3.7.5 Recarray Helper 函数 98 3.8编写自定义数组容器 116 3.9子类化NDARRAY 124 3.9.1 介绍 124 3.9.2 视图投影 125 3.9.3 从模板创建 126 3.9.4 视图投影与从模板创建的关系 126 3.9.5 子类化的含义 126 3.9.6 简单示例 —— 向ndarray添加额外属性 132 3.9.7 稍微更现实的例子 —— 添加到现有数组的属性 134 3.9.8 __array_ufunc__ 对于ufuncs 135 3.9.9 __array_wrap__用于ufuncs和其他函数 139 3.9.10 额外的坑 —— 自定义的 __del__ 方法和 ndarray.base 142 3.9.11 子类和下游兼容性 143 4. 其他杂项 144 4.1 IEEE 754 浮点特殊值 144 4.2 NUMPY 如何处理数字异常的 146 4.3 示例 146 4.4 连接到 C 的方式 147 4.4.1 不借助任何工具, 手动打包你的C语言代码。 147 4.4.2 Cython 148 4.4.3 ctypes 148 4.4.4 SWIG(自动包装发生器) 149 4.4.5 scipy.weave 149 4.4.6 Psyco 149 5. 与MATLAB比较 149 5.1 介绍 150 5.2 一些关键的差异 150 5.3 'ARRAY'或'MATRIX'?我应该使用哪个? 151 5.3.1 简答 151 5.3.2 长答案 151 5.4 MATLAB 和 NUMPY粗略的功能对应表 153 5.4.1 一般功能的对应表 153 5.4.2 线性代数功能对应表 154 5.5 备注 161 5.6 自定义您的环境 163 5.7 链接 164 6. 从源代码构建 164 6.1 先决条件 164 6.2 基本安装 164 6.3 测试 165 并行构建 165 6.4 FORTRAN ABI不匹配 165 6.4.1 选择fortran编译器 166 6.4.2 如何检查BLAS / LAPACK /地图集ABI 166 6.5 加速BLAS / LAPACK库 166 6.5.1 BLAS 166 6.5.2 LAPACK 167 6.5.3 禁用ATLAS和其他加速库 167 6.6 提供额外的编译器标志 168 6.7 使用ATLAS支持构建 168 7. 使用NUMPY的C-API 168 7.1 如何扩展NUMPY 168 7.1.1 编写扩展模板 169 7.1.2 必需的子程序 169 7.1.3 定义函数 171 7.1.4 处理数组对象 175 7.1.5 示例 180 7.2 使用PYTHON作为胶水 182 7.2.1 从Python调用其他编译库 183 7.2.2 手工生成的包装器 183 7.2.3 f2py 184 7.2.4 用Cython 191 7.2.5 ctypes 196 7.2.6 您可能会觉得有用的其他工具 206 7.3 编写自己的UFUNC 208 7.3.1 创建一个新的ufunc 208 7.3.2 示例非ufunc扩展名 209 7.3.3 一种dtype的NumPy ufunc示例 215 7.3.4 示例具有多个dtypes的NumPy ufunc 221 7.3.5 示例具有多个参数/返回值的NumPy ufunc 230 7.3.6 示例带有结构化数组dtype参数的NumPy ufunc 235 7.4 深入的知识 241 7.4.1 迭代数组中的元素 242 7.4.2 用户定义的数据类型 246 7.4.3 在C中对ndarray进行子类型化 249
- 7.29MB
numpy官方参考手册.pdf
2018-03-05python中必须掌握的库之一 numpy官方参考手册.pdf numpy官方参考手册.pdf
- 1.45MB
Python 学习笔记 第二版.pdf
2019-08-15Python 学习笔记 第二版.pdf
- 545KB
Python数据分析及可视化实操.pdf
2019-05-14这里整理了一些python数据分析的代码及操作过程,提供入门的学习兴趣