0
推荐
8953
阅读

花里胡哨!Python中的[:n],[::n],[:,:,n],[...,n]都是什么鬼!

我们在学习别人家的代码时,总是看到大神对数组各种犀利的取值、赋值、维度变换,看得我们眼(yi)花(lian)缭(meng)乱(bi),毫(zhua)无(er)脾(nao)气(sai)。有的时候,大神用[::3],有的时候又用[:,:,3],更加逆天的是还有[...,3],这个“...”又是什么?难道大神的代码会自动隐藏核心代码,以“...”取而代之...

发表了文章 • 2020-06-11 16:23 • 0 条评论

0
推荐
2651
阅读

Python 的 Numpy 中不得不知的4个重要函数

Numpy 功能十分强大,很多我们想要的复杂操作都有实现。今天分享几个数据分析中经常需要用到的重要函数。掌握这些函数可以帮助我们保持代码整洁并且避免重复造轮子。准备工作导入numpyimport numpy as np示例数据本文以二分类任务为例,通常我们的model会输出预测的概率,得到概率后需要进行后续的处理,比如:•根据阈值...

发表了文章 • 2020-06-11 16:11 • 0 条评论

5
推荐
3205
阅读

入门numpy(80%-100%)【解读numpy官方文档】

前言这个numpy连载拖了挺久了,今天终于要更新完了!!!之后咱们可视化走起~ix_()函数ix_函数可以用于组合不同的向量,以获得每个的结果。 例如,如果要计算从每个向量a,b和c中获取的所有三元组的所有a + b * c:import numpy as np a = np.array([2,3,4,5]) b = np.array([8,5,4]) c = np.array([5,4,6,8,3]) ax,b...

发表了文章 • 2017-07-26 22:34 • 2 条评论

2
推荐
2670
阅读

入门numpy(65%-80%)【解读numpy官方文档】

前言好久没更新了,最近一直在忙学校的事情花式索引和索引技巧索引与指数数组import numpy as np a = np.arange(12)**2 a注:产生0-11的平方组成一个数组i = np.array( [ 1,1,3,8,5 ] ) i注:产生一个数组a[i]注:以数组i为索引,取a数组中的数j = np.array( [ [ 3, 4], [ 9, 7 ] ] ) a[j] 注:以j数组为索引,取a数组...

发表了文章 • 2017-07-25 22:23 • 2 条评论

3
推荐
2979
阅读

入门numpy(50%-65%)【解读numpy官方文档】

前言这几天很忙啊,所以也没时间静下心来写文章,现在好点了,我们继续numpy官网之旅import numpy as np形状操作改变数组的形状a = np.floor(10*np.random.random((3,4))) a a.resize((2,6)) a注:改变a数组形状如果在改变形状操作中将尺寸给定为-1,则会自动计算其尺寸:a.reshape(3,-1)查看这部分更多更详细的用法可以...

发表了文章 • 2017-07-10 21:33 • 1 条评论

5
推荐
3336
阅读

入门numpy(25%-50%)【解读numpy官方文档】

前言最近在学习入门python可视化,先后初步探索了seaborn、matplotlib、plotly和ggplot发现还是pandas的绘图最容易上手,样式也很商务化,学完官方文档之后和大家一起分享言归正传,今天继续连载numpy入门系列前文传送门:https://ask.hellobi.com/blog/wangdawei/8708基本操作当使用不同类型的数组时,结果得到的数组的...

发表了文章 • 2017-07-06 16:02 • 2 条评论

6
推荐
5879
阅读

入门numpy(上)【解读numpy官方文档】

前言之前连载了pandas,pandas作为python做数据分析的一大利器,相信大家都不陌生。当然连载部分作为入门是够了,具体提升还要大家多看看官方文档详细内容和做具体项目案例之后我也会出一些pandas的数据分析实战案例分享给大家。在询问了大家的意见和建议(怎么说的这么官方,不是我的风格啊)之后我决定解读一下numpy的...

发表了文章 • 2017-06-28 21:39 • 2 条评论