数据基础:numpy 与 pandas
为什么需要数据处理库:从列表到数组
你以前学过这门课程吗?
这样我们只统计你一次。只会发送你的答案,以及你的匿名进度。
普通的 Python 列表很灵活,但处理数字时又慢又啰嗦。把列表里每个值翻倍就得写一个循环:
prices = [10, 20, 30]
doubled = []
for p in prices:
doubled.append(p * 2)
print(doubled) # [20, 40, 60]numpy(Numerical Python)给你 ndarray:一张存放在一整块紧凑内存里的数字网格。对整个数组做数学运算是在快速的编译后 C 代码里完成的,没有 Python 循环。这叫作向量化。
import numpy as np
prices = np.array([10, 20, 30])
print(prices * 2) # [20 40 60] no loop needed
print(prices.sum()) # 60
print(prices.mean()) # 20.0整个数据和机器学习技术栈都建立在 numpy 之上,所以这是很自然的第一步。按照惯例,我们把它导入为 np。
用 np.array(a_list) 建立一个数组,然后直接在它上面调用 .sum() 和 .mean() 之类的方法。它们返回单个数(一个 Python/numpy 标量),而不是列表。
轮到你了
把 numpy 导入为 np。把列表 [4, 8, 12, 16] 变成一个叫 arr 的 numpy 数组。然后计算 total(它的和)和 avg(它的平均值)。打印 avg。
本课已完成。干得好。
这个练习即将开放
完成它前面的那一课,这一课就会解锁。整门课程免费,无需账号,而且你现在就可以阅读这节课。
这个浏览器屏蔽了 learn.floati.life 的 Cookie,所以你在这里完成的课程无法按顺序打开。请允许这个网站使用 Cookie,然后重新加载。