python numpy scipy,pandas基于numpy

  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。

留言与评论(共有 条评论)
   
验证码: