Professional Documents
Culture Documents
פייתון דף נוסחאות שאני מכין כדי לקבל 200
פייתון דף נוסחאות שאני מכין כדי לקבל 200
מתודה – )(x.calc
פונקציה – )cala_per(x
]Numpy – array & | ~ [row, col
Import numpy as np
)] a = np.array([, , הבנאי מקבל רשימה והופך אותה למערך (ווקטור ,מטריצה).
)np.append(a, axis = 1 הוספה של עמודה 0( .שורה)
(יש צורך ביצירת משתנה חדש)
)np.insert(a, 0, 0 החדרה של איבר במקום מסוים
(יש צורך ביצירת משתנה חדש)
a[1, 2] = 0 הגעה לערך ושינוייו (עמודות ,שורות)
11 in a אופרטור In
)a.ndim / len(a מימד המערך = 3 ,2 ,1מס' השורות
a.shape ממדי המערך כ ( tupleעמודות ,שורות)
a.shape[0] – row (עבור דו מימד (מס' האיברים ברשימה ,מס' הרשימות)
a.shape[1] - coulmn
a.T שחלוף בין השורות לעמודות (טרנספוס)
)a.astype(float המרה
))np.vstack((a, b מוסיף את bמתחת ל .aיוצר פלט חדש.
(דרישה – מימד העמודות זהה)
))np.hstack((a, b מוסיף את bליד ל .aיוצר פלט חדש.
(דרישה – מימד השורות זהה)
)np.zeros(7, dtype=int מחזיר את ממדי המטריצה באפסים.
)np.ones((2 ,3), dtype=float מחזיר את ממדי המטריצה באחדים.
)'np.fulll((3, 3), 'ofir מקבלת ממדי מערך +אובייקט ומחזירה את המטריצה שבכל מקום
האובייקט.
)np.eye(3 יוצרת מערך דו מימדי ריבועי (מס' שורות = למס' עמודות) שעל האלכסון
הראשי יש 1והשאר "( 0מטריצת היחידה").
)np.diag(a מקבלת ווקטור aויוצרת מערך דו מימדי כאשר הווקטור מונח על האלכסון
הראשי.
)(a.nonzero מחזירה את האינדקסים השונים מ / 0-איפה שיש .True
])(a[a. nonzero חילוץ המשתנים עי השמה של האינדקס.
)np.arange(3 כמו rangeרק שיוצרת מערך
)np.arange(3,8
)np.arange(3,8,2
)np.linspace(2, 4, 2 מקבלת start, stop, numומחזירה מערך המחולק ל numחלקים שווים.
(כולל ה.)stop
)(a.min מחזירה את הערך הכי קטן במערך
)(a.argmin מחזירה את המיקום של הערך הכי קטן במערך
)(a.max מחזירה את הערך הכי גדול במערך
)(a.argmax מחזירה את המיקום של הערך הכי גדול במערך
)a.mean() / np.mean(a מחזירה את ממוצע הערכים במערך.
)a.median / np.median(a מחזירה ערך אמצעי במטריצה.
)np.random.random(num מחזירה numאיברים רנדומלים בין 0ל.1-
)np.random.random_integers(0, 20, num החזרה של int numבין הערכים.
))np.random.random_integers(0, 20, (5, 5 החזרה של מטריצה רנדומלית בגודל הנתון
)(a.flatten משטח את המטריצה לשורה אחת
)(a.sum סכימה כללית
)a.sum(axis=0 סכימה של שורות
)(a.all מחזיר Trueאם כל הערכים שונים מ /0 -כל הערכים .True
)(a.any מחזיר Trueאם קיים ערך כלשהוא ששונה מ /0 -לפחות איבר אחד שהוא
.True
a.copy מעתיק את המטריצה
)(a.sort מיון כללי
)a.sort(axis=1 מיון לפי עמודה /שורה
a+2, a-b, a*2, a/b פעולות מתמטיות בין מספרים /מערכים
)np.round(formola, 3 עיגול
)np.bincount(a מחזירה מערך המייצג את מספר ההופעות של כל אינדקס במערך.
כדי להשתמש aחייב להיות )(.flatten
)np.where(a==0 מחזירה מערך חדש עם האינדקסים המקיימים את התנאי.
)np.where(a==0, 100, -1 שינוי למי שמקיים את התנאי:
(שינוי עבור שקר ,שינוי עבור אמת ,התנאי)
))np.reshape(a, (8, 1 משנה את ממדיו של המערך tuple( .חייב להיות כפולה כלשהיא של המערך
המקורי אחרת חורג מהגבולות)
]mask = a[a>3 מחזיר את האינדקסים של הערכים Trueשמקיימים את התנאי.
a[mask] = 0 שינוי הערך של מה שמקיים.
)mask = np.logical_and(1+ths)*x>im>(1-ths)*x
הערות:
ווקטור = חד מימד •
מטריצה = מערך דו מימדי עם עמודות ושורות
תמונה "סלייסינג". •
= 0שורות = 1 ,עמודות. •
כל איברי המערך צריכים להיות מאותו •
Pic process - הטיפוס.
total 256 Import imageion עבור פונקציות אשר נראות כך np.יש •
Black = 0 Import numpy as np ליצור משתנה חדש.
White = 255 אם הופך לרשימה בסוף להחזיר •
"קריאה" כמו בקבצים למערך.
)' '(Im = imageio.imread
)(Im.copy יצרת עותק של המטריצה
w, h = img.size (שורות ,עמודות) – בניגוד ל numpyשהסדר שונה( .
מס' פיקלים -אורך כפול רוחב)
)Printe(im הדפסה של המטריצה
להוסיף מהאייפד:
Thresholding -
כיווץ -
טשטוש -
טיפול בראש -
~ | & Pandas -
Import pandas as pd
)'df = pd.read_csv('path.csv פתיחת קריאה קובץ excel
df.to_csv('path.csv', index=Faluse (no name כתיבה
)of rows 0,1,2
)]df = pd.series([3, 4, 5], index =[a, b, c הפיכה של רשימה לטבלה חד ממדי
)(df=['name'].tolist הפיכה של עמודה לרשימה
)df = pd.DataFrame(dic הפיכה של מילוןnumpy/
df = pd.DataFrame(np.array([[1,2,3], למאגר נתונים (טבלה) דו מימדי
)]'[4,5,6]]), column=['a', 'b', 'c
)(dic = df.to_dit הפיכה של טבלה למילון
)Print(df הדפסה של הטבלה
]df['col2'][0:2 סלייסינג לעמודות
]df['col2'][1 הגעה לערך /תא מסוים.
]df[col_name][row_name 1זה לא מיקום השורה – זה השם הדיפולטיבי שלה
df['avg'] = value הוספה של עמודה
)df['col2']=df['name'].apply(function, axis=1 הוספה של עמודה לפי הפונקציה שם .ההשמה
בצד שמאל זה העמודה שמשם לוקח את הערכים
שינוי של אותה עמודה
)df['col2']=df['name'].apply(function, axis=1
)df.append(value, ignore_index=True הוספה של שורה (איפה שאין ערך ירשום )Nane
=pd.concat([df, pd.DataFrame([new_row])], *** ניתן גם לעשות appendלמילון עם עמודות / הוספה
מפתחות מתאימות***.
ignore_index=True
)df['col2']=df['name'].apply(function), axis=0 הוספה של שורה לפי הפונקציה ששם .ההשמה
בצד שמאל זה העמודה שמשם לוקח את הערכים
ניתן לעשות בלי השמה applayוניתן ליצור גם
פונקצית עזר שאותה להציב בapplay
)df.drop( 'b', axis=1 מוחק עמודה (ישיר או אם תנאי)
df.drop(['name', 'b'], axis = 1) < 60 יוצר עותק אלא אם כן עושה השמה לשם המקורי/.
)df.drop(1 , inplace = True מוסיף אתinplace = True :
)"row.drop("Course").drop("Registered מחיקה
]'df[df['country'] != 'iran מוחק שורה לפי העמודה של countryבולינאני
)=df.drop([0, 14], axis =0 (מחזיר את השורות שלא אירן)
מוחק שורה לפי אינדקס השורה
)'=pd.merge(df1, df2, on= 'key', how='inner שילוב כאשר העמודות שונות:
=pd.merge(df1, df2, left_on='key', מחזיר רק עמודות שלהם שורות משותפות
משותפות לפי ( df1אין ערך Nane
)'how='outer
מחזיר הכל ,אם לא קיים ערך ירשום Nane שילוב טבלאות
Onנועד לחיבור לפי עמודה ספציפית
ב keyרושם שם של עמודה משותפת
=pd.concat([df1, df2], axis=0, שילוב כאשר לשניהם יש אותו עמודות – מלמטה
)ignore_index=True ( – axis=1מהצד)
]'2*df['math הכפלה של עמודה בקבוע
)(df.sum סכימה של כל עמודה (אלא אן כן )axis
)(df.sum().sum סכימה כוללת (ערך אחד)
)(df.median מחזיר את המספר האמצעי
)(df.min() / df.max ערך מינימלי מקסימלי
פעולות מתמטיות
df.idxmin() / מיקום של ערך מינימלי מקסימלי
(df.idxmax
)df.mean(axis=1 יוצר ממוצע (מתעלם אוטומטית מעמודת השמות
)(df.mean().mean של העמודות) אבל לא מתעלם מעמודת השמות
של השורות (צריך למחוק לפני זה ב.)drop
)=df.fillna(0 החלפה של ערך Naneבמשו אחר
טיפול בNane
)(=df.dropana הורדה של כל השורות עם ערך Nane
df.dtypes לפי עמודות( .במידה ויש עמודה floatאחת הכל )float
df.shape מחזיר את ממדי הטבלה = (עמודות ,שורות)
df.at[row, column] =10 עדכון תא
אי אפשר להשתמש ב inplace=True
)len(df כמות השורות
df['art]>85.sum() - count bool
df.index מקומי העמודות
)df.set_axis([list of names], axis=0/1 שינוי שמות העמודות/שורות
df.size מס' התאים הכולל בטבלה (עמודות כפול שורות)
df.T טרנספוס (החלפה בין שורות לעמודות)
df.columns הדפסה של כל העמודות (מפתחות)
]'df.loc[0:7 : 'math מחזיר שורות/עמודות לפי שמות העמודות שורות כולל 7
]'df.loc[0/'ofir']['math
]df.iloc[:7: מחזיר שורות/עמודות לפי אינדקס שורות עמודות לא כולל ( 7סליס רגיל)
]'df.iloc[0, 1]['math
]'df=pd.DataFrame(a, columns=['a', 'b הגדרת שמות לעמודות
)(df[fails].count סופר את התאים שלא Nane
artists=df['art']>85 שימוש בmask
]df=df[df['popilation']>1000
)print(artists
=df['math'].fillna(df['math'].mean(), חישוב הממוצע והשמה בתא חדש מבלי לפגוע
)inplace=True
)]'=df[df['country'].isin(['sweden', 'japan מחזיר בעמודה countryרק את הערכים שבתוך
]'=df[~df.'country'.isin(['sweden', 'japan מחזיר את מה שלא~ .
=df.sort_values(['population'], מיון לפי ערך התאים
)ascending=True מיון לפי אינדקס
)(=df.sort)_index
)df.head(4 מציג את 4השורות הראשונות
)df.tail(4 מציג את 4השורות לפני הסוף
)df.sample(4 מציג 4שורות רנדומליות
df.groupby(['Universe'])['bounty'].sum מחזיר טבלה המקבצת שורות דומות בעמודה לפי עמודה ספציפית( .תמיד תהיה
df.groupby(['Universe']).sum פעולה למשל sumשיקבע איך הוא מקבץ אותם).
כללי
)(df.copy העתקה של הטבלה
df.index אינדקסים של השורות
for I in df.index:
שמות השורות בצורה דיפולטיבית הם מספרים( .לא מיקומים) .מחיקה שורות וכו יעשה גאפ בספרות •
עמודות = מפתחות •
ה typeשל טבלה זה ,DataFrameוה typeשל עמודה/שורה בודדת זה ( .seriesלכל typeפונקציות שונות). •
כאשר הטבלה שלי נבנתה מ numpyכל האובייקטים שלי מאותו הטיפוס ולכן חיבור של עמודות למשל 1+ 134 :יתן 1341-ולא •
חיבור רגיל כי זה שרשור של .str
חילוץ שורות === לחשוב על loc iloc •
כללי
)(abs ערך מוחלט
)round(5.6578, 2 מחזיר 2 INTספרות אחרי הנקודה
)(num:.2f מעגל מספר 2ספרות אחרי הנקודה (שומר על )float
// עיגול כלפי מטה
** חזקה
% שארית (מודלו)
for index in range(len(s)):
\ -המשך של str
- \nירידת שורה .נכנס בתוך הסוגרים