Tensorflow 2.3.0（比最新版本第一版） Numpy Matplotlib Scipy

利用python进行科学计算、数据处理基本上离不开 Numpy Scipy Matplotlib三个库

NumpyMatplotlib Scipy

Numpy

比如利用numpy的mat()方法建立一个数据矩阵，python3的循环语句

import numpy as np # 可以理解为数据库的数据，也可以理解为一个矩阵的运算 data = np.mat([[1,200,105,3,False],[2,165,80,2,False],[3,184,120,2,False]]) # 将numpy引入重命名为np并使用mat()方法建立数据矩阵 row=0 # 用到for循环的定义 for line in data: row+=1 print(row) print(data.size) print(data)

输出

C:\Users\HP\miniconda3\python.exe C:/Users/HP/PycharmProjects/pythonProject2/main.py 3 15 [[ 1 200 105 3 0] [ 2 165 80 2 0] [ 3 184 120 2 0]] Process finished with exit code 0

当然可以调用numpy包里的一些函数

import numpy as np # 可以理解为数据库的数据，也可以理解为一个矩阵的运算 data = np.mat([[1,200,105,3,False],[2,165,80,2,False],[3,184,120,2,False]]) # 将numpy引入重命名为np并使用mat()方法建立数据矩阵 coll =[] for row in data: coll.append(row[0,1]) # 插入的是从左往右数2个数据 print('this append is',row[0,1]) print(np.sum(coll)) # 求和 print(np.mean(coll)) # 求平均 print(np.std(coll)) #求标准差 print(np.var(coll)) #求方差 print("\n") C:\Users\HP\miniconda3\python.exe C:/Users/HP/PycharmProjects/pythonProject2/main.py this append is 200 200 200.0 0.0 0.0 this append is 165 365 182.5 17.5 306.25

在这里插入代码片

this append is 184 549 183.0 14.30617582258329 204.66666666666666 Process finished with exit code 0

Matplotlib Scipy

numpy可以对数据进行处理，scipy是专门的机器学习数据包

import numpy as np import pylab import scipy.stats as stats # 可以理解为数据库的数据，也可以理解为一个矩阵的运算 data = np.mat([[1,200,105,3,False],[2,165,80,2,False],[3,184,120,2,False]]) # 将numpy引入重命名为np并使用mat()方法建立数据矩阵 coll =[] for row in data: coll.append(row[0,1]) # 插入的是从左往右数2个数据 stats.probplot(coll,plot=pylab) pylab.show()