numpy.eye(N, M=None, k=0, dtype=
, order=‘C’)
取回一个单位矩阵
参数:
N int 返回数组行数
可选参数:
M:列数,无则默认为N
k:对角线的索引
dtype:返回数组的数值类型
order可选参数{‘C’,‘F’}:是否在内存中以C或fortran(行或列)顺序存储多维数据
import numpy as np A=np.eye(3,6,dtype=int,k=1) print(A)
输出:
array([[0, 1, 0, 0, 0, 0],
[0, 0, 1, 0, 0, 0],
[0, 0, 0, 1, 0, 0]])
panda.read_cav(path,sep/demlimiter,header,names,index_col,usecols,encoding)
读取csv,txt文档生成 DataFrame
参数:
path:路径
header:将指定行的数据作为读取数据各列的列名,默认参数为0
names:对列名进行命名
可选参数:
sep/demlimiter:分隔符/定界符
k:对角线的索引
index_col:利用读取数据中的内容建立行的索引
usecols:选定我们需要的对应列的数据
import pandas as pd path = 'D:Desktoppy_testex1data1.txt' data = pd.read_csv(path,header=None,names=['Population','Profit'])head()
DataFrame.head(n)
返回数据前n行
参数:
N int 默认为5
import pandas as pd path = '/home/mw/ex1data1.txt' data = pd.read_csv(path,header=None,names=['Population','Profit']) print(data.head(3))
输出:
Population Profit
0 6.1101 17.5920
1 5.5277 9.1302
2 8.5186 13.6620
matplotlib.pyplot.plot(x,y,kind,label,figsize(x,y))
画二维平面图,结合matplotlib.pyplot.show()使用
需要matplotlib的子库pyplot库
参数:
x=‘x轴名称’
y=‘y轴名称’
可选参数:
kind:‘line’, ‘bar’, ‘barh’, 密度图’kde’, 散布图’scatter’
label:标记图内容的标签文本
figsize(x,y):指定width和height的inch
ls:折线图的线条风格 ls=“-”
lw:折线图的线条宽度 lw=2
color:线条颜色
import numpy as np import pandas as pd import matplotlib.pyplot as plt path = 'D:Desktoppy_testex1data1.txt' data = pd.read_csv(path,header=None,names=['Population','Profit']) data.plot(kind='scatter', x='Population', y='Profit', figsize=(10,6), label='data') plt.show()
输出:
numpy.power(x,y,z)
求幂
参数:
x,y:数字,列表
import numpy as np # 2的3次方 print(np.power(2, 3)) # [ 8 27 64],分别求 2, 3, 4 的 3 次方 print(np.power([2,3,4], 3)) # [ 4 8 16],分别求 2的 2, 3, 4 次方 print(np.power(2, [2,3,4])) # [ 8 81],分别求 2 的 3 次方和 3 的 4 次方 print(np.power([2,3], [3,4]))insert()
list.insert(index,object)
DataFrame.insert(index,‘str’,value)
在列表指定位置插入指定对象
参数:
index:插入的索引位置
object:要插入的列表对象
aList = [123, 'xyz', 'zara', 'abc'] # 索引从0开始 aList.insert( 3, 2009) # 插入DataFrame,则插入一列名为str的value值 data.insert(0, 'Ones', 1) print(data.head())
输出:
Ones Population Profit
0 1 6.1101 17.5920
1 1 5.5277 9.1302
2 1 8.5186 13.6620
3 1 7.0032 11.8540
4 1 5.8598 6.8233



