numpy库学习总结

numpy库

目录

一、数组

1、数组创建

2、数组属性

3、缺失值问题

4、特殊数组

5、np.random 模块

6、数组的排序

7、数组的重塑

8、索引和切片

9、数组的合并

10、数组的运算

二、np下面的通用函数

三、ndarry实例的常用方法

四、np.char模块下面的字符串函数

五、矩阵运算、协方差

六、np其他常用函数

一、数组

1、数组创建

import numpy as np 
dir(np)  # 查看np库中的函数

np.array([['张','男','19'],['李','女','20']],dtype='object') 
# 当输入不同数据类型的元素时，需要指明数据类型，object使用最多，否则全部转化为字符串
np.arange(1,5,0.4)  # 随机快速生成数组
np.arange(10,0,-1)  # 倒序生成 
np.linspace(1,8,5)   # 第一、二位数是起始和结束位置，第三位意思是等分多少份，包含最后一位
np.linspace(1,8,5,endpoint=False)   # 不包含最后一位，再等分5份，表示1和8起始点在一个地方
#如何查看numpy定义了哪些dtype? 
np.typeDict 

# 特殊元素组成的数组,可以是集合和字典等
a=np.array([{
   1,2},{
   3,4},{
   5,6}],dtype="object") 
#注意这里dtype="object"可以省略。 
#a是一个一维数组，它的shape是(3,)

2、数组属性

a.ndim    # 返回数组维度
b.shape   # 返回一个元组， 表示2行3列
a.size    # 返回数组包含多少个元素
b.dtype   #返回数据类型
a.itemsize   # 表示一个元素占用多少个字节
a.size * a.itemsize  # 返回数组占用多少个字节

3、缺失值问题

np.nan  # 引用缺失值函数
a.dtype  # 缺失值nan默认为float，所有它会将前面的整数型也转换成浮点型
np.array([1,2,None]) # 缺失值None会默认加上 dtype=object，所有库都可以识别
out[5]:
array([1, 2, None]