譯者：chenx2ovo來源：AI研習社NumPy(發音為(NUM-py)有時也發音為(NUM-pee))是一個Python庫，它增加了python對大型多維數組和矩陣、以及對這些矩陣進行復雜操作的高級數學函數運算的處理能力。??如何使用Kaggle

• 前往www.kaggle.com
• 注冊/登錄到您的帳戶。
• 從左側菜單中單擊筆記本。
• 單擊新建筆記本按鈕以創建一個筆記本。

Numpy導入Numpy和系統庫：import numpy as npimport sysNumPy相較于Python中list類型的優點：NumPy的數組比Python的list類型更緊湊——在Python中你聲明一個list，至少需要占用20 MB，而NumPy中數據類型為單精度浮點數的3D數組，只占用4 MB。下面是一個簡單的例子。import numpy as npimport syspy_array = [1,2,3,4,5,6]numpy_array = np.array([1,2,3,4,5,6])sizeof_py_arr = sys.getsizeof(1) * len(py_array)sizeof_numpy_arr = numpy_array.itemsize * numpy_array.sizeprint(sizeof_py_arr)print(sizeof_numpy_arr)輸出：16848重整Numpy數組import numpy as npn_md_arry = np.array([[1,2,3,4,5],[6,7,8,9,10]])np_modmd_arr = n_md_arry.reshape(5,2)print(np_modmd_arr)n_md_arry2 = np.array([1,2,3,4])np_modmd_arr2 = n_md_arry2.reshape(2,2)print(np_modmd_arr2)輸出：[[ 1 2][3 4][ 5 6][ 7 8][ 9 10]][[1 2][3 4]]NumPy排列NumPy中的arange()函數是基于數值范圍來創建數組的例程之一。它用間隔均勻的數值創建一個ndarray實例，并返回這個數組的引用。numpy.arange([start,?]stop,?[step,?],?dtype=None)?->?numpy.ndarray例如：import numpy as npnp_arr = np.arange(0,20).reshape(5,4)print(np_arr)f_arr = np_arr.ravel()print(f_arr)輸出：
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]
[12 13 14 15]
[16 17 18 19]]
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19]兩個數組的加法import numpy as np in_arr1 = np.array([[1, 2, 3], [4, 5, 6]]) in_arr2 = np.array([[7, 8, 9], [10, 11, 12]]) out_arr = np.add(in_arr1, in_arr2) print (out_arr)輸出：?
[[ 8 10 12]
[14 16 18]]兩個數組的乘法import numpy as np in_arr1 = np.array([[1, 2, 3], [4, 5, 6]]) in_arr2 = np.array([[7, 8, 9], [10, 11, 12]]) out_arr = np.multiply(in_arr1, in_arr2) print (out_arr)輸出：??
[[ 7 16 27]
[40 55 72]]

NumPy矩陣乘法

import numpy as np in_arr1 = np.array([[1, 2, 3], [4, 5, 6]]) in_arr2 = np.array([[7, 8],[9, 10], [11, 12]]) out_arr = in_arr1.dot(in_arr2) print (out_arr)輸出：
[[ 58 64]
[139 154]]尋找數組中的某元素位置import numpy as npimport sysnp_arr = np.array([1,2,0,4,5])find = np.where(np_arr > 2)print(find)輸出：(array([3, 4]),)尋找非零元素的位置import numpy as npimport sysnp_arr = np.array([1,2,0,4,5])find = np.nonzero(np_arr)print(find)輸出：(array([0, 1, 3, 4]),)Panda導入NumPy和Panda：import numpy as npimport pandas as pd如何從Kaggle導入csv文件。

• 前往www.kaggle.com
• 進入你的Kaggle筆記本。
• 點擊右上角的>|按鈕。
• 點擊+按鈕添加數據
• 在搜索欄中搜索一個數據集。
• 點擊添加按鈕，將其添加到你的數據集。
• 點擊.csv文件，你會得到CSV文件的路徑。

使用讀取函數導入數據集import numpy as npimport pandas as pddf = pd.read_csv('../input/pima-indians-diabetes-database/diabetes.csv')df輸出：取其中前十行df.head(10)輸出：取其中后十行df.tail(10)輸出：結論這是一篇關于Pythons中NumPy和Panda庫的概述。在本文中，我們借助一個在線數據集對NumPy和Panda庫進行了學習。其中，我們還探討了在很多數據科學應用中常用的NumPy和Panda庫的各種操作。

---

AI研習社是AI學術青年和開發者社區，為大家提供一個頂會資訊、論文解讀、數據競賽、求職內推等的技術交流陣地，歡迎登陸www.yanxishe.com加入我們吧～

投稿、轉載、媒介合作聯系微信號 | bajiaojiao-sz商務合作聯系微信號 | LJ18825253481

總結

以上是生活随笔為你收集整理的文件 numpy_通过 Kaggle 入门 NumPyamp;Panda的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。