import numpy as np
#np中不同資料的輸入方式
np.array(object)
#object 是乙個array_like,比如list,range
#[1,2,3]的型別是list;range(3)的型別是range
#但是np.array([1,2,3])和np.array(range(3))的返回值型別都是numpy.ndarray
------
>>>np.array([1,2,3])
array([1,2,3])
>>>print(np.array([1,2,3]))
[123]
#直接列印出來的沒有逗號分隔
------
np.arange([start,]stop,[step,]dtype = none)
#返回值也是ndarray型別
#輸入格式與range相似，都是出入初值、終值、步長,可以用這一點來避免與array混淆
------
>>>np.arange(1,7,2)
array([1,3,5])
------
np.linspace(start,stop,num = 50)
#返回值是ndarray
#出入為初值，終值，分隔的點數（num是指在初值終值之間平均分為多少點）
np.loadtxt(path)
#可開啟的格式包含一般的txt,csv,dat等格式
#返回值是ndarray
#資料的選取方式
#第乙個例子————一維
data = np.arange(7)
#形式如此data[start:stop:step,]
#與list的切片使用方式是一致的
------
>>>data[1:6:2]
array([1,3,5])
>>>data[::-1][::2]
array([6,4,2,0])
------
#例子二————二維
data = np.array([[1,2,3],
[4,5,6],
[7,8,9]])
#形式為data[row,column]
#其中row與column的切片方式與一維的是一致的，一定注意二者（row與column）之間有","分隔
------
>>>data[:,: ]#data的所有行所有列
array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
>>>data[0,:]#所有列的第一行資料(就是第一行資料)
array([1, 2, 3])
>>>data[1,1:]#第二列之後所有列的第二行資料
array([5, 6])
>>>data[0,0]#第一行第一列資料，返回值為numpy.int64
1 ------
data = np.arange(24).reshape(2,3,4)#這是乙個三維的array，英文表示分別為floor,row,column
data = 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]]])
>>>data[:,:,:]#輸出整個data
>>>data[0,:,:]#等於data[0],第乙個floor的所有的行和列
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
>>>data[:,1,:]#所有floor的第二行
array([[ 4, 5, 6, 7],
[16, 17, 18, 19]])
>>>data[:,:,1]#所有floor的第二列
array([[ 1, 5, 9],
[13, 17, 21]])
Python 資料處理
將檔案切分，存入列表 strip split with open james.txt as jaf data jaf.readline james data.strip split 資料檔案為 2 34,3 21,2.34,2.45,3.01,2 01,2 01,3 10,2 22 print ja...
Python 資料處理
本場 chat 為 python 資料處理課程，包括 python 基礎知識 極簡教程 提公升 python 執行效率的方法 爬蟲簡介 scrapy selenium 自動化測試框架 簡易分布式 redis 分詞程式設計 jieba 資料儲存 本地資料上傳 hive 通過本場 chat 讀者可學到以...
Python資料處理
用傳統的電子 來處理資料不僅效率低下，而且無法處理某些格式的資料，對於混亂或龐大的資料集更是束手無策。本書將教你如何利用語法簡單 容易上手的python輕鬆處理資料。作者通過循序漸進的練習，詳細介紹如何有效地獲取 清洗 分析與呈現資料，如何將資料處理過程自動化，如何安排檔案編輯與清洗任務，如何處理更...