当前位置:
首页 > temp > 简明python教程 >
-
数据分析和科学计算可视化
一、用于数据分析、科学计算与可视化的扩展模块主要有:numpy、scipy、pandas、SymPy、matplotlib、Traits、TraitsUI、Chaco、TVTK、Mayavi、VPython、OpenCV。
1.numpy模块:科学计算包,支持N维数组运算、处理大型矩阵、成熟的广播函数库、矢量运算、线性代数、傅里叶变换、随机数生成、并可与C++ /Fortran语言无缝结合。Python v3默认安装已经包含了numpy。
(1)导入模块:import numpy as np
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
|
切片操作 >>> a = np.arange( 10 ) >>> a array([ 0 , 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 , 9 ]) >>> a[:: - 1 ] # 反向切片 array([ 9 , 8 , 7 , 6 , 5 , 4 , 3 , 2 , 1 , 0 ]) >>> a[:: 2 ] # 隔一个取一个元素 array([ 0 , 2 , 4 , 6 , 8 ]) >>> a[: 5 ] # 前5个元素 array([ 0 , 1 , 2 , 3 , 4 ]) >>> c = np.arange( 25 ) # 创建数组 >>> c.shape = 5 , 5 # 修改数组大小 >>> c array([[ 0 , 1 , 2 , 3 , 4 ], [ 5 , 6 , 7 , 8 , 9 ], [ 10 , 11 , 12 , 13 , 14 ], [ 15 , 16 , 17 , 18 , 19 ], [ 20 , 21 , 22 , 23 , 24 ]]) >>> c[ 0 , 2 : 5 ] # 第0行中下标[2,5)之间的元素值 array([ 2 , 3 , 4 ]) >>> c[ 1 ] # 第0行所有元素 array([ 5 , 6 , 7 , 8 , 9 ]) >>> c[ 2 : 5 , 2 : 5 ] # 行下标和列下标都介于[2,5)之间的元素值 array([[ 12 , 13 , 14 ], [ 17 , 18 , 19 ], [ 22 , 23 , 24 ]]) |
栏目列表
最新更新
nodejs爬虫
Python正则表达式完全指南
爬取豆瓣Top250图书数据
shp 地图文件批量添加字段
爬虫小试牛刀(爬取学校通知公告)
【python基础】函数-初识函数
【python基础】函数-返回值
HTTP请求:requests模块基础使用必知必会
Python初学者友好丨详解参数传递类型
如何有效管理爬虫流量?
2个场景实例讲解GaussDB(DWS)基表统计信息估
常用的 SQL Server 关键字及其含义
动手分析SQL Server中的事务中使用的锁
openGauss内核分析:SQL by pass & 经典执行
一招教你如何高效批量导入与更新数据
天天写SQL,这些神奇的特性你知道吗?
openGauss内核分析:执行计划生成
[IM002]Navicat ODBC驱动器管理器 未发现数据
初入Sql Server 之 存储过程的简单使用
SQL Server -- 解决存储过程传入参数作为s
关于JS定时器的整理
JS中使用Promise.all控制所有的异步请求都完
js中字符串的方法
import-local执行流程与node模块路径解析流程
检测数据类型的四种方法
js中数组的方法,32种方法
前端操作方法
数据类型
window.localStorage.setItem 和 localStorage.setIte
如何完美解决前端数字计算精度丢失与数