Python数据分析与展示(二)

人工智能36

数据的CSV文件存取

保存文件:savetxt()方法保存文件
csv文件格式:

np.savetxt(frame,array,fmt='%.18e',delimiter=None)

读取文件: loadtxt()方法读取文件

In [5]: b = np.loadtxt('a1.csv', delimiter=',')
In [6]: b

np.random的随机数函数

rand(d0,d1,... ,dn)
根据d0 - dn 创建随机数组,浮点数,[0,1),均匀分布
randn(d0,d1, ... dn)
根据d0 - dn创建随机数组,标准正态分布
randint(low,[,high,shape])
根据shape创建随机整数或整数数组,范围是[low,high]
seed(s)
随机数种子,s是给定的种子值

In [18]: a = np.random.rand(2,4,5)
In [19]: a
Out[19]:
array([[[ 0.97845512,  0.90466706,  0.92576248,  0.77775142,  0.84334893],
        [ 0.39599821,  0.31917683,  0.7961439 ,  0.01324569,  0.97660396],
        [ 0.5049603 ,  0.80952265,  0.67359257,  0.89334316,  0.94496225],
        [ 0.04840473,  0.04665257,  0.20956817,  0.62255095,  0.36600489]],

       [[ 0.58059326,  0.28464266,  0.23596248,  0.16677631,  0.86467069],
        [ 0.14691968,  0.60863245,  0.71725038,  0.69206766,  0.18301705],
        [ 0.73197901,  0.99051723,  0.10489076,  0.33979432,  0.0354286 ],
        [ 0.73696453,  0.48268632,  0.99294233,  0.06285961,  0.93090147]])

shuffle(a)
根据数组a的第1轴进行随机排列,改变数组x
permutation(a)
根据数组a的第1轴产生一个新的乱序数组,不改变数组x

In [28]: a = np.random.randint(100,200,(3,4))
In [29]: a
Out[29]:
array([[116, 111, 154, 188],
       [162, 133, 172, 178],
       [149, 151, 154, 177]])

NumPy统计函数

np.random的统计函数 :

      函数                                  说明
sum(a,axis = None)                  根据给定轴axis计算数值a相关元素之和,axis整数或元组
mean(a,sxis = None)                 根据给定轴axis计算数值a相关元素期望,axis整数或元组
average(a,axis = None,weight = None)根据给定轴axis计算数值a相关元素加权平均值
std(a,axis =None)                   根据给定轴axis计算数值a相关元素标准差
var(a,axis = None)                  跟据给定轴axis计算数值a相关元素方差

min(a) max(a)               计算数组a中元素的最小值,最大值
argmin(a)argmax(a)          计算数组a中元素的最小值,最大值的降一维后的下标
unravel_index(index,shape)  转换多维下标
ptp(a)                      计算数组a中元素的最小值,最大值的差
median(a)                    计算数组a中元素的中位数

Original: https://blog.csdn.net/river_19/article/details/123324315
Author: river_19
Title: Python数据分析与展示(二)

相关文章
聚类稳健标准误 人工智能

聚类稳健标准误

一、为什么? 对样本做回归分析的 核心是使用最小二乘法去估计模型里的 参数,比如核心解释变量前面的系数。我们通过最小二乘法使得残差平方和最小,求得 样本估计系数。如果进行一次估计,由于 干扰项e的存在...
语音合成 TTS 相关的一些总结 人工智能

语音合成 TTS 相关的一些总结

没专门学过也没做过就完全靠零散的概念记录吧 参考资料 TTS背后的技术原理——前端和后端系统 音频基础 uv: 表示清音还是浊音,清音的话几乎没基频 能量: mel 谱 第一维加和求平均 aac 编码...