前言:
目前姐妹们对“c语言求几何平均值”大致比较重视,我们都需要学习一些“c语言求几何平均值”的相关文章。那么小编同时在网络上收集了一些关于“c语言求几何平均值””的相关内容,希望同学们能喜欢,姐妹们快快来学习一下吧!1.arange和range的区别
arange是np中的函数,返回的是一个数组
np.arange(5)
array([0, 1, 2, 3, 4])
range是Python自带的函数,返回的是一个迭代器
range(5)
range(0, 5)
2.
创建一个数组
选取数组元素
numpy数据类型,例如np.int16
获取数组中数据元素所占空间大小,使用a.dtype.itemsize属性
earray([0, 1, 2, 3, 4, 5, 6])e.dtypedtype('int32')e.dtype.itemsize4
一位数组的切片和索引
reshape
aarray([1, 2, 3, 4, 5, 6])b = a.reshape(2,3)barray([[1, 2, 3], [4, 5, 6]])aarray([1, 2, 3, 4, 5, 6])
reshape之后原数组是没有变化的
多维数组的索引和切片
barray([[[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11]], [[12, 13, 14, 15], [16, 17, 18, 19], [20, 21, 22, 23]]])b[0,0,0]0b[:,0,0]array([ 0, 12])b[0,1]array([4, 5, 6, 7])b[0,1,:]array([4, 5, 6, 7])
改变数组的维度
1.ravel()
b.ravel()array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23])
2.flatten()
b.flatten()array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23])
revel和flatten都不会改变原数组
3.用元祖设置维度
b.shape=(6,4)
b.shape = (6,4)barray([[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11], [12, 13, 14, 15], [16, 17, 18, 19], [20, 21, 22, 23]])
这样会改变原数组
4.矩阵转置
b.transpose()array([[ 0, 4, 8, 12, 16, 20], [ 1, 5, 9, 13, 17, 21], [ 2, 6, 10, 14, 18, 22], [ 3, 7, 11, 15, 19, 23]])
5.resize
resize和reshape功能一样,但resize会改变原数组
b.resize((2,12))barray([[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11], [12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23]])
组合数组
水平组合:np.hstack((a,b))
垂直组合:np.vstack((a,b))
列组合:np.column_stack((a,b)),和水平组合效果一样
行组合:np.row_stack((a,b)),和垂直组合效果一样
a = np.arange(9).reshape(3,3)aarray([[0, 1, 2], [3, 4, 5], [6, 7, 8]])b = 2*abarray([[ 0, 2, 4], [ 6, 8, 10], [12, 14, 16]])np.hstack((a,b))array([[ 0, 1, 2, 0, 2, 4], [ 3, 4, 5, 6, 8, 10], [ 6, 7, 8, 12, 14, 16]])np.vstack((a,b))array([[ 0, 1, 2], [ 3, 4, 5], [ 6, 7, 8], [ 0, 2, 4], [ 6, 8, 10], [12, 14, 16]])np.column_stack((a,b))array([[ 0, 1, 2, 0, 2, 4], [ 3, 4, 5, 6, 8, 10], [ 6, 7, 8, 12, 14, 16]])np.row_stack((a,b))array([[ 0, 1, 2], [ 3, 4, 5], [ 6, 7, 8], [ 0, 2, 4], [ 6, 8, 10], [12, 14, 16]])
数组的属性
c.ndim:数组的维度
c.dize:数组的元素个数
c.itemsize:数组中元素所占内存的字节数
c.nbytes:整个数组所占的存储空间,就是size和itemsize属性值的乘积
T的属性效果和transpose函数一样
carray([[[1, 2], [3, 4], [5, 6]]])c.ndim3c.size6c.itemsize4
c.nbytes24
对于一维数组,其T属性就是原数组
barray([1, 2, 3, 4, 5])b.Tarray([1, 2, 3, 4, 5])
遍历数组:
flat属性
barray([[0, 1], [2, 3]])f = b.flatfor item in f : print(item)#0 1 2 3
数组转换为列表,b.tolist()
改变数组元素类型,b.astype()
barray([[0, 1], [2, 3]])b.tolist()[[0, 1], [2, 3]]barray([[0, 1], [2, 3]])b.astype(float)array([[ 0., 1.], [ 2., 3.]])b.astype('float')array([[ 0., 1.], [ 2., 3.]])
csv(Comma-Separated Value,逗号分隔值)
excel就可以另存为csv文件
import numpy as npc,v = np.loadtxt('data.csv',delimiter=',',usecols=(6,7),unpack=True)#unpack=True表示返回多个结果print(c,v)#计算成交量加权平均价格vwap = np.average(c,weights=v)print(vwap)#计算成交量价格算术平均值,使用mean和average函数都可以_mean = np.mean(c)print(_mean)_mean2 = np.average(c)print(_mean2)h,l = np.loadtxt('data.csv',delimiter=',',usecols=(4,5),unpack=True)#计算最大值print(np.max(h))#计算最小值print(np.min(l))#使用ptp函数计算数组的取值范围,返回数组元素的最大值和最小值之间的差距,也就是max(array)-min(array)print(np.ptp(h))print(np.max(h)-np.min(h))print(np.ptp(l))print(np.max(l)-np.min(l))#简单统计分析c = np.loadtxt('data.csv',delimiter=',',usecols=(6),unpack=True)#计算数组中位数,奇数就是中间那个数,偶数就是中间两个数的平均值median = np.median(c)print(median)#对数组进行排序,只对一维数组有效sorted_c = np.msort(c)#计算方差variance = np.var(c)print(variance)variance_from_definition = np.mean((c-c.mean())**2)print(variance_from_definition)
标签: #c语言求几何平均值