官网链接:https://www.numpy.org.cn
1.numpy认知(优势)

2.ndarray对象

3.数组操作

4.异常值处理(nan和inf)

练习:使用每一列的平均值对nan进行填充:
1,查看每一列是否有nan:np.nan!=np.nan;True=1,False=0;np.count_nonzero();2.对于存在nan的列,计算除nan外其余元素的平均值;3使用np.isnan(t)对nan进行定位和重新赋值。

官网链接:https://www.numpy.org.cn
1.numpy认知(优势)
2.ndarray对象
3.数组操作
4.异常值处理(nan和inf)
练习:使用每一列的平均值对nan进行填充:
1,查看每一列是否有nan:np.nan!=np.nan;True=1,False=0;np.count_nonzero();2.对于存在nan的列,计算除nan外其余元素的平均值;3使用np.isnan(t)对nan进行定位和重新赋值。
本文标题:2021-01-16Python-NumPy知识点整理
本文链接:https://www.haomeiwen.com/subject/tbmoaktx.html
网友评论