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]