机器学习|Numpy、Matplotlib、Pandas速成 numpy|matplotlib|pandas|机器学习

Numpy、Matplotlib、Pandas速成

Numpy

# -*- coding: utf-8 -*- import numpy as npif __name__ == '__main__':""" Numpy速成 """ # 创建数组 myarray = np.array([1, 2, 3]) # 输出数组 print(myarray) # 输出数组行列 print(myarray.shape) # 创建多维数组 myarray = np.array([[1, 2, 3], [2, 3, 4], [3, 4, 5]]) print(myarray) print(myarray.shape) # 访问数据 print('这是第一行：%s' % myarray[0]) print('这是最后一行：%s' % myarray[-1]) print('访问第三列数据：%s' % myarray[:, 2]) print('访问第二行第三列数据：%s' % myarray[1, 2])''' Numpy算术运算 ''' # 创建多维数组 myarray1 = np.array([[1, 2, 3], [2, 3, 4], [3, 4, 5]]) myarray2 = np.array([[11, 21, 31], [21, 31, 41], [31, 41, 51]]) print('向量加法运算：') print(myarray1+myarray2) print('向量乘法运算') print(myarray1*myarray2)

输出结果：

[1 2 3] (3,) [[1 2 3] [2 3 4] [3 4 5]] (3, 3) 这是第一行：[1 2 3] 这是最后一行：[3 4 5] 访问第三列数据：[3 4 5] 访问第二行第三列数据：4 向量加法运算： [[12 23 34] [23 34 45] [34 45 56]] 向量乘法运算 [[ 114293] [ 4293 164] [ 93 164 255]]
Matplotlib

# -*- coding: utf-8 -*- """ Matplotlib速成 1.调用plot（），scatter（）等方法，并为绘图填充数据。数据是NumPy的ndarray类型的对象 2.设定数据标签，使用xlabel（）、ylabel（）方法 3.展示绘图结果，使用show（）方法Matplotlib示例：http://matplotlib.org/gallery.html """import matplotlib.pyplot as plt import numpy as npif __name__ == '__main__':''' 绘制线条图 ''' # 定义绘图的数据 myarray = np.array([[1, 2, 3], [2, 3, 4], [3, 4, 5]]) # 初始化绘图 plt.plot(myarray) # 设定x轴和y轴 plt.xlabel('x axis') plt.ylabel('y axis') # 绘图 plt.show()''' 绘制散点图 ''' # 定义绘图的数据 myarray1 = np.array([1, 2, 3]) myarray2 = np.array([11, 21, 31]) # 初始化绘图 plt.scatter(myarray1, myarray2) # 设定x轴和y轴 plt.xlabel('x axis') plt.ylabel('y axis') # 绘图 plt.show()

输出结果

文章图片

文章图片
Pandas

# -*- coding: utf-8 -*- """ # @author: xpf # @time: 2021/4/21 11:08 上午 # @file: pandas_practice.py # @software: PyCharm # @desc: Pandas速成 """""" http://pandas.pydata.org/pandas-docs/stable/ Pandas提供了用于机器学习的复杂数据类型：矢量运算方法和数据分析方法。Pandas也提供了多种数据结构 Series：一维数组，只允许存储相同的数据类型 Time-Series：以时间为索引的Series DataFrame：二维的表格型数据结构，可以将DataFrame理解为Series的容器 Panel：三维数组，可以理解为DataFrame的容器 """ import numpy as np import pandas as pdif __name__ == '__main__':''' Series ''' myarray = np.array([1, 2, 3]) index = ['a', 'b', 'c'] myseries = pd.Series(myarray, index=index) print(myseries) print('Series中的第一个元素：') print(myseries[0]) print('Series中的c index元素：') print(myseries['c'])''' DataFrame ''' myarray = np.array([[1, 2, 3], [2, 3, 4], [3, 4, 5]]) rowindex = ['row1', 'row2', 'row3'] colindex = ['col1', 'col2', 'col3'] mydataframe = pd.DataFrame(data=https://www.it610.com/article/myarray, index=rowindex, columns=colindex) print(mydataframe) print('访问col3的数据：') print(mydataframe['col3'])

输出结果：

a1 b2 c3 dtype: int64 Series中的第一个元素： 1 Series中的c index元素： 3 col1col2col3 row1123 row2234 row3345 访问col3的数据： row13 row24 row35 Name: col3, dtype: int64

【机器学习|Numpy、Matplotlib、Pandas速成】参考书籍：《机器学习Python实践》