最新Python——numpy库查询(1)

（4）实用的线性代数、傅里叶变换和随机数生成函数。Numpy和稀疏矩阵运算包scipy配合使用更加方便。

(1)genfromtxt函数

(2)如何将.csv文件数据直接读取为numpy array型数据（np.genfromtxt()函数）函数）")

(3)numpy.genfromtxt的用法

Python 并没有提供数组功能，虽然列表 (list) 可以完成基本的数组功能，但它并不是真正的数组，而且在数据量较大时，使用列表的速度就会慢的让人难受。为此，Numpy 提供了真正的数组功能，以及对数据快速处理的函数。Numpy 还是很多更高级的扩展库的依赖库，例如： Scipy，Matplotlib，Pandas等。此外，值得一提的是：Numpy 内置函数处理数据的速度是 C 语言级别的，因此编写程序时，应尽量使用内置函数，避免出现效率瓶颈的现象。一切计算源于数据，那么我们就来看一看Numpy.genfromtxt 如何优雅的处理数据。

import numpy as np

import matplotlib.pyplot as plt

f = open(‘test1.csv’, ‘w’)

f.write(“1,1.2\n2,2.2\n4,4.5\n7,8.9”)

f.close()

data = np.genfromtxt(‘test1.csv’, delimiter=“,”)

x_data=data[:,0]

y_data=data[:,1]

print(data.shape)

print(x_data)

print(y_data)

plt.scatter(x_data,y_data)

plt.show()

(4, 2)

[1. 2. 4. 7.]

[1.2 2.2 4.5 8.9]

2 数据类型

========

3 数组计算

=======

3.1 算术运算

---

3.2 比较及聚类函数

---

3.3 数组复制及排序

---

4 子集、切片、索引

最后

🍅 硬核资料：关注即可领取PPT模板、简历模板、行业经典书籍PDF。
🍅 技术互助：技术群大佬指点迷津，你的问题可能不是问题，求资源在群里喊一声。
🍅 面试题库：由技术群里的小伙伴们共同投稿，热乎的大厂面试真题，持续更新中。
🍅 知识体系：含编程语言、算法、大数据生态圈组件（Mysql、Hive、Spark、Flink）、数据仓库、Python、前端等等。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里无偿获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！