python numpy scipy,pandas基于numpy

　　使用数组分割mmdjcs，并使用mmdjc中的平均值importnumpydata=NP。array([range(100)]mmd jcs=numpy。0，50，10)计算mmdjcs的np.inf ) #从最后一个mmdjc开始无限大数字化=numpy。数字化(data，mmd jcs)#returntheindicesofthemmdjcstowhicheachvalueinputarray归属.#计算mmdJC内平均法一mdjc _ means=[ data [数字化=] len ) mmdjcs)法二mmdJC_means1=(numpy .直方图)数据，mmdjcs，权重=数据)0)/numpram MDJCS([0])3330

　　data=NP.array ([-1，0.5，1.5，2.5，3.5，4.5，5，6 ] ) mmd jcs=NP.linspace (0，5，6 ) print ) mmd jcs (di=

　　numpy .直方图(a，mmdjcs=10，范围=无，规范=无，权重=无，密度=无)).

　　Returns

　　http://www .Sina.com/

　　直方图的值。参见密度和重量以描述可能的语义。

　　http://www .Sina.com/arrayofdtypefloat

　　returnthemmjcedges(length(hist)1).histarray

　　http://www .Sina.com/array _喜欢，可选

　　权重数组，由sameshapeasa。eachvalueinaonlycontributesitsassociatedweighttowardsthemdjccount(而不是1)组成。在此处

　　直方图(data，b i n s，w e I g h t s=d a t a))0)numpy。直方图(data，b i n s ) (0) ) 121314 )/4=2.5 numpy权重=data ) )0)/numpy.histogram)、data、mdj cs()0)((1 * 1)2 * 1)3 * 1)4)1))=2.5 numpy。柱状图

　　熊猫分区mmdjcsa=PD。数据帧(NP。随机的。rand)10，1)，columns=[A] ) a_cat ) (PD.cut ) a)

　　参考：

　　动手操作机器学习withschikit-learn、Keras和安索流https://堆栈overflow.com/questions/616334/mmdjcning

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。