Создание массива

a = [1, 2, 3, 4, 5, 6]
np_a = np.array(a)

Поэлементные операции

cc = np_a * 2

Доступ к элементам по условию

print(a[a > 23]) [25 78 96]
print ('conditional slices '+str(a[np.where(a>28)])) conditional slices [78 96]

Задание массива

c = np.arange(10)# same as range
d = np.arange(10,30,4 )# #start = 10, stop = 30, step = 4
e = np.linspace(10,30,4) #start = 10, stop = 30, number of elemets = 4
f = np.repeat([1,10],3)

print(c) [0 1 2 3 4 5 6 7 8 9]
print(d) [10 14 18 22 26]
print(e) [10. 16.66666667 23.33333333 30. ]
print(f) [ 1 1 1 10 10 10]

Изменение формы массива в матрицу

arr = np.array([1, 2, 3, 4, 5, 6])
reshaped_arr = arr.reshape((2, 3)) [[1 2 3], [4 5 6]]

Посчитать статистику

mean = np.mean(Z)
std = np.std(Z)
median = np.median(Z)

print(f"Среднее: {mean:.2f}, Стандартное отклонение: {std:.2f}, Медиана: {median:.2f}")

Генерация массива со случайными элементами

a = np.random.random(3) [0.68656668 0.85673209 0.54242375]
a = np.random.uniform(low = 3, high = 20, size = 5) [15.59599524 14.41624422 13.25753264 12.06469236 17.70722625]
a = np.random.normal(loc = 5, scale = 2, size = 3) [3.15243556 4.37127784 8.36287861]

Заполнение матрицы

a=np.full([2,2],3.14) [[3.14 3.14] [3.14 3.14]]

Умножение матриц через dot()

a = np.array([(1, 3), (2, 4)]) сразу построение матрицы
b = np.full([2,2], 3)
c = a.dot(b)
c1 = b.dot(a)

Транспонирование матрицы

a = np.array([(1, 2), (3,4)])
at = a.T

Решение уравнений в линейной алгебре

{1x1+2x2=3
{3x1+2x2=4
a=np.array([[1,2],[3,2]]) - коэффициенты
b=np.array([[3],[4]]) - то, чему равны уравнения
x=np.linalg.solve(a,b)
print(x) [[0.5 ] [1.25]]

Определитель матрицы (детерминант)

a=np.array([[1,2],[3,2]])
print(a)
b = np.linalg.det(a)
print(b) -4.000000000000001

🐼 Pandas Шпаргалка

Основные Операции

Загрузка данных

Базовая информация

Работа с колонками

Фильтрация

Статистика

Пропущенные значения

---

Дата: {datetime.now().strftime('%Y-%m-%d')}