做手机网站公司,免费的微网站,做网站用什么电脑,网站后台更新文章 前台不显示# -*- coding:utf-8 -*-# 1,一个四维的数组,以后两维度为单位,计算它们的和,比如一个1*2*3*4的数组,合并后两列,输出合并后的轴的sum# 实例,输入:[[[[2 7 9 7] [6 6 8 2] [0 0 9 3]][[5 4 1 4][5 7 9 7] [8 4 1 4]] ]] 输出[[59 59]]# import numpy as np# anp.array([[[[2,…# -*- coding:utf-8 -*-# 1,一个四维的数组,以后两维度为单位,计算它们的和,比如一个1*2*3*4的数组,合并后两列,输出合并后的轴的sum# 实例,输入:[[[[2 7 9 7] [6 6 8 2] [0 0 9 3]][[5 4 1 4][5 7 9 7] [8 4 1 4]] ]] 输出[[59 59]]# import numpy as np# anp.array([[[[2,7,9,7],[6,6,8,2],[0,0,9,3]],[[5,4,1,4],[5,7,9,7],[8,4,1,4]]]])# ba.reshape(2,12)# cnp.array([[sum(b[0]),sum(b[1])]])## print(c)# 2,在数组[1,2,3,4,5]中相邻两个数字中间插入两个0# 输入:[1.2.3.4.5.] 输出[1,0,0,0,2,0,0,0,3,0,0,0,4,0,0,0,5]# import numpy as np# arr01np.arange(1,6)# arr02np.zeros(17)# arr02[::4]arr01# print(arr02)# 3,二维矩阵与三维矩阵如何相乘?# import numpy as np# Anp.ones((3,3,2,))# print(A)# print(-*50)# Bnp.zeros((3,3))# B[::]2# print(B)# print(-*50)## print(B.dot(A))# 4,怎么交换矩阵的其中两行?比如交换第一二行# import numpy as np# arr01np.arange(0,25).reshape(5,5)## print(arr01)# print(-*50)## arr01[[0]],arr01[[1]]arr01[[1]],[[0]]## print(arr01)# 5,创建一个10*10的数组,并且边框是1,里面是0# import numpy as np# arr01np.ones((10,10))# arr01[1:9,1:9]0# print(arr01)# 6,将数组s3中的A和dog替换成XXX;# s3pd.Series([A,B,C,Aaba,Baca,,np.nan,CABA,dog,cat])# import pandas as pd# import numpy as np# s3pd.Series(np.array([A,B,C,Aaba,Baca,,np.nan,CABA,dog,cat]))# s3[0]XXX# s3[8]XXX# print(s3)# 7,patternr[a-z][0-9]# spd.Series([1,b2,3a,3b,c2c])# s.str.contains(pattern)# 请在不运行代码的状态下,输出以上代码运行的结果.# import pandas as pd# import re## patternr[a-z][0-9]# spd.Series([1,b2,3a,3b,c2c])# print(s.str.contains(pattern))# 运行结果# 0 False# 1 True# 2 False# 3 False# 4 True# dtype: bool# 8,将附件中的数据导入DataFrame中,实现以下操作:# 1,对异常数据(数值为0)进行值替换,替换为当前列的平均值;# 2,对zwyx列的数据进行平均值统计,其他列做计数统计(提示使用value_counts());# 3,得到zwmc字段的唯一值列表;# 4,通过group函数,实现对于dd字段的分组,并按照城市计算每个城市的最大薪资,使用折线图,显示Top10城市(选做)import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport matplotlib as mplcapd.read_csv(ca_list_copy(2).csv)casca.replace({0.0:ca[zwyx].mean()})print(zwyx:平均值:,ca[zwyx].mean())collist(cas.columns)col.remove(Id)col.remove(zwyx)new_dfpd.DataFrame()for i in col: resultcas[i].value_counts() repd.DataFrame(result) re.columns[values] new_dfpd.concat([new_df,re])print(new_df)only_valuelist(cas[zwmc].unique())print(唯一值列表:%s%only_value)mpl.rcParams[font.sans-serif] [SimHei]mpl.rcParams[axes.unicode_minus] Falsedatacas.groupby(dd)[zwyx].max().sort_values(ascendingFalse).head(10)data.index.name地区print(data)data.plot()plt.show()转载于:https://www.cnblogs.com/gwj23/p/10604448.html
