貝葉斯估計(jì)用到的數(shù)據(jù)結(jié)構(gòu)
Pandas常用到的：索引與切片，unique，value_counts(),reindex,sort_index(可以用于Seires，也可以是DataFrame,但只對(duì)index本身，index或columns本身進(jìn)行排序，而不是其對(duì)應(yīng)的元素進(jìn)行排序），order(對(duì)Series中的值進(jìn)行排序)，sort_index(by=)對(duì)DataFrame中的列值進(jìn)行排序！，相關(guān)系數(shù)corr，協(xié)方差cov
array與DataFrame

x=pd.Series([1,1,1,2,2,3]) print(x.unique()) print(x.value_counts())y_train=np.array([-1,-1,1,1,-1,-1,-1,1,1,1,1,1,1,1,-1]) print(y_train[0]) # error! print(y_train.unique()) Nunpy沒(méi)有unique（）與value_counts()y=pd.DataFrame(y_train) print(y[0]) print(y[0].value_counts())frame=pd.DataFrame(np.arange(16).reshape((4,4)),index=['red','blue','black','green'],columns=['a','b','c','d']) #print(frame['a'] #選擇列 print(frame['a'].value_counts()) #選擇列中元素出現(xiàn)的次數(shù) print(frame.a) #選擇列 print('----以上是列') print(frame.ix[2].value_counts()) #返回第3行內(nèi)容，一行豎著顯示而已;同樣可以選擇行中元素出現(xiàn)的次數(shù) print(frame.ix[[2,3]]) #返回第三行，第四行內(nèi)容 print('----以上是行') print(frame['a']['red']) #引用二維表的某個(gè)元素，先是列標(biāo)簽，再行標(biāo)簽！**~~DataFrame引用元素先列后行~~ **[1 2 3] 1 3 2 2 3 1 dtype: int64 -1 0 -1 1 -1 2 1 3 1 4 -1 5 -1 6 -1 7 1 8 1 9 1 10 1 11 1 12 1 13 1 14 -1 Name: 0, dtype: int321 9 -1 6 Name: 0, dtype: int64 12 1 4 1 8 1 0 1 Name: a, dtype: int64 red 0 blue 4 black 8 green 12 Name: a, dtype: int32 ----以上是列 11 1 10 1 9 1 8 1 Name: black, dtype: int64a b c d black 8 9 10 11 green 12 13 14 15 ----以上是行 0k近鄰算法用到的數(shù)據(jù)結(jié)構(gòu)： Numpy中經(jīng)常用到：shape，reshape，random，通用函數(shù)，聚合函數(shù)，索引與切片！

import numpy as np
import pandas as pd
x=np.array([1,2,3,4])
print(x.shape[0]) #4
#print(x.shape[1]) error
y=np.array([[1,2],[2,3],[3,4]])
print(y.shape[0]) #輸出個(gè)數(shù)3
print(y.shape[1]) #輸出維度2
print(y[:,1]) #切片，相當(dāng)于輸出第二列
print(y[1])# 等價(jià)于y[1,]輸出第二行

輸出
4
3
2
[2 3 4]

Python自帶的數(shù)據(jù)結(jié)構(gòu)

總結(jié)

以上是生活随笔為你收集整理的python数据结构练习的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。