python数据分析库之Numpy笔记
- 导入
numpy模块
python
复制代码
import numpy as np
- 通过列表创建一个数组
python
复制代码
arr = np.array([1,2,3,4,5])
# 输出 array([1, 2, 3, 4, 5])
- 使用
type函数查看数组对象类型
python
复制代码
type(arr)
# 输出 <class 'numpy.ndarray'>
- 使用
dtype属性查看数组元素的数据类型
python
复制代码
arr.dtype
# 输出 dtype('int64')
- 通过二维列表创建一个二维数组
python
复制代码
arr2 = np.array([[1,2,3], [4,5,6]])
# 输出 array([[1, 2, 3],[4, 5, 6]])
- 使用
ndim属性查看数组的维度
python
复制代码
arr2.ndim
# 输出 2
- 使用
shape属性查看数组的形状
python
复制代码
arr2.shape
# 输出 (2, 3)
- 使用
zeros方法创建一个元素全0的数组
python
复制代码
# 1. 创建一维数组
np.zeros(4)
# 输出 array([0., 0., 0., 0.])
# 2.创建二维数组
np.zeros((2,4))
# 输出 array([[0., 0., 0., 0.], [0., 0., 0., 0.]])
- 使用
empty方法创建没有具体值的数组
python
复制代码
# 创建一个不为0的三维数组，趋近于0，但不为0
np.empty((2,2,2))
# 输出
"""
array([[[0.00000000e+000, 0.00000000e+000],
[0.00000000e+000, 0.00000000e+000]],
[[0.00000000e+000, 1.81816158e-321],
[6.35681408e+151, 1.33473535e-311]]])
"""
- 使用
arange方法创建序列数组
python
复制代码
np.arange(6)
# 输出 array([0, 1, 2, 3, 4, 5])
- 使用
eye方法创建单位矩阵
python
复制代码
# 创建一个4*4的单位矩阵，斜对角是1和0
np.eye(4)
# 输出
"""
array([[1., 0., 0., 0.],
[0., 1., 0., 0.],
[0., 0., 1., 0.],
[0., 0., 0., 1.]])
"""
- 使用
ones方法创建元素全是1的数组
python
复制代码
np.ones((2,2))
# 输出
"""
array([[1., 1.],
[1., 1.]])
"""
- 创建指定数据类型的数组
python
复制代码
arr3 = np.array([1,2,3],dtype=np.float64) # 指定数据类型为float的数组
arr4 = np.array([1,2,3],dtype=np.int32) # 指定数据类型为int的数组
arr4 = np.array(['a', 'b', 'c'],dtype=np.string_) # 指定数据类型为string的数组
- 使用
astype方法转换数组的数据类型
python
复制代码
int_arr5 = np.array([1,2,3], dtype=np.int32)
float_arr5 = int_arr5.astype(np.float64)
- 高精度类型向低精度类型转换，取整数部分
python
复制代码
float_arr = np.array([1.2, 2.3, 3.4, 4.0])
int_arr = float_arr.astype(np.int32)
# 输出 array([1, 2, 3, 4], dtype=int32)
- 使用
reshape方法转换数组维度
python
复制代码
arr = np.arange(10).reshape((2,5))
# 输出
"""
array([[0, 1, 2, 3, 4],
[5, 6, 7, 8, 9]])
"""
- 使用
T属性将数组转置
python
复制代码
arr.T
# 输出
"""
array([[0, 5],
[1, 6],
[2, 7],
[3, 8],
[4, 9]])
"""