python数据分析库

python数据分析库之Numpy笔记

1. 导入numpy模块

import numpy as np

2. 通过列表创建一个数组

arr = np.array([1,2,3,4,5])
# 输出 array([1, 2, 3, 4, 5])

3. 使用type函数查看数组对象类型

type(arr) 
# 输出 <class 'numpy.ndarray'> 

4. 使用dtype属性查看数组元素的数据类型

arr.dtype
# 输出 dtype('int64')

5. 通过二维列表创建一个二维数组

arr2 = np.array([[1,2,3], [4,5,6]])
# 输出 array([[1, 2, 3],[4, 5, 6]])

6. 使用ndim属性查看数组的维度

arr2.ndim 
# 输出 2

7. 使用shape属性查看数组的形状

arr2.shape
# 输出 (2, 3)

8. 使用zeros方法创建一个元素全0的数组

# 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.]])

9. 使用empty方法创建没有具体值的数组

# 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]]])
"""

10. 使用arange方法创建序列数组

np.arange(6)
# 输出 array([0, 1, 2, 3, 4, 5])

11. 使用eye方法创建单位矩阵

# 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.]])
"""

12. 使用ones方法创建元素全是1的数组

np.ones((2,2))
# 输出
"""
array([[1., 1.],
       [1., 1.]])
"""

13. 创建指定数据类型的数组

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

14. 使用astype方法转换数组的数据类型

int_arr5 = np.array([1,2,3], dtype=np.int32)
float_arr5 = int_arr5.astype(np.float64)

15. 高精度类型向低精度类型转换，取整数部分

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)

16. 使用reshape方法转换数组维度

arr = np.arange(10).reshape((2,5))
# 输出
"""
array([[0, 1, 2, 3, 4],
       [5, 6, 7, 8, 9]])
"""

17. 使用T属性将数组转置

arr.T
# 输出
"""
array([[0, 5],
       [1, 6],
       [2, 7],
       [3, 8],
       [4, 9]])
"""