😀
Euclid Jie's Book
  • Introduction
  • 资源网站
  • 亲测好用的软件
    • GitBook
    • VSCode
  • 旁门左道
    • 既爱又恨的编码格式
    • datetime与pd.to_datetime对比
  • Python
    • Pip介绍
    • Python虚拟环境
    • Python类库
    • DataFrame函数
    • 时间格式数据处理
    • Numpy函数
    • python的IDE配置
    • 创建Package并上传至Pypi
    • Unitest
  • Machine Learning
    • PyTorch Lightning
  • R语言
    • 英文分词
    • 回归分析
    • 绘图专栏
    • 图解中心化、标准化对回归的影响
  • 课程知识点
    • 回归分析
    • 因子分析
    • 残差诊断
    • 异方差检验
  • 网络爬虫
    • BeautifulSoup
    • Selenium
    • Urllib3
    • IP代理池
  • 数据库
    • Mongo数据库
    • Redis数据库
    • ClickHouse数据库
    • MySQL数据库
    • Postgres
  • Git
  • 服务器相关
  • Linux命令
  • Docker相关
  • 正则表达式
  • Uqer
  • SSH
  • BAT
  • stata
  • 装机
  • 文献相关
  • 本文排版
由 GitBook 提供支持
在本页
在GitHub上编辑
  1. Python

Numpy函数

上一页时间格式数据处理下一页python的IDE配置

最后更新于1年前

CtrlK

Numpy和Pandas同等地位的存在,但是我实际用到的不多

np.cunsum()

累加

self.wheredf['cumsum'] = np.cumsum(self.SecDatadf.TradVolume)

np.max(df)

可以直接取得df中的最大值,还挺不错,min也是一样

np.issubdtype

np.issubdtype函数可以检查一个数据类型是否为另一个数据类型的子类型。可以将其与np.float传递给dtype属性进行比较,如下所示:

这样就可以确保a.dtype是float32或float64,并且断言将不会引发错误。

mymax = np.max(df)
import numpy as np
a = np.array([1, 2, 3, 4, 5], dtype=np.float32)
assert np.issubdtype(a.dtype, np.float)