python-数据思维

创建ndarray数组

• array函数接受一切序列型的对象（ 例如列表），并产生一个新的含有传入数据的numPy数组。

import numpy as np

data1 = [6, 7.5, 8, 0, 1]
arr1 = np.array(data1)
print(arr1)

[6.  7.5 8.  0.  1. ]

• 可创建多维数组
• shape指出数组的形状，shape是个元组
• ndim指出数组的维度
• dtype指出数组中的元素的类型

import numpy as np

data1 = [[6, 7.5, 8, 0, 1], [3.2, 3, 7, 52, 23.4]]
arr1 = np.array(data1)
print(arr1.shape, arr1.ndim, arr1.dtype)

(2, 5) 2 float64

• reshape函数可以改变数组的维度
• astype 函数可生成一个新的数组，并指定新的dtype

import numpy as np
arr1=np.array([1,2,3,4,5,6])
arr1=arr1.reshape(2,3)
print(arr1)

[[1 2 3]
 [4 5 6]]

• zeros 和 ones 函数 可以 创建 指定 长度 或 形状 的 全 0 或 全 1 数组

from numpy import array
array([0.,0.,0.,0.,0.])

array([0., 0., 0., 0., 0.])

np.ones(6)

array([1., 1., 1., 1., 1., 1.])

创建初始值为0，终值为1，步长为0.1的等差数组

np.arange(0,1,0.1)

array([0. , 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9])

创建初始值为0，终值为1，元素个数为10的等差数组

np.linspace(0,1,10)

array([0.        , 0.11111111, 0.22222222, 0.33333333, 0.44444444,
       0.55555556, 0.66666667, 0.77777778, 0.88888889, 1.        ])

创建从100到102，共5个元素的等比数列

np.logspace(0,2,5)

array([  1.        ,   3.16227766,  10.        ,  31.6227766 ,
       100.        ])

numpy.random.rand(d0, d1, …, dn)：生成一个[0,1)之间的随机浮点数或N维浮点数组。

生成2行3列的随机数数组，值在[0,1)之间

np.random.rand(2, 3)

array([[0.95037869, 0.973173  , 0.98286249],
       [0.69060825, 0.96183338, 0.75928584]])

numpy.random.randn(d0, d1, …, dn)：生成一个浮点数或N维浮点数组，取数范围：正态分布的随机样本数。

生成2行3列的随机数数组，值为正态分布的随机样本数

np.random.randn(2, 3)

array([[ 0.66686711, -0.27895588, -2.02200514],
       [ 1.09895485, -2.01676474, -0.48062357]])

numpy.random.randint(low, high=None, size=None, dtype=‘l’)：生成一个整数或N维整数数组，取数范围：若high不为None时，取[low,high)之间随机整数，否则取值[0,low)之间随机整数。

生成包含10个元素的值在[0,100) 的数组

np.random.randint(0, 100, 10)

array([55, 28, 53, 59, 27, 71, 17,  5, 21, 92])

生成2*3维的值在[0,100) 的数组

np.random.randint(0, 100, (2,3))

array([[65, 37, 72],
       [26, 70, 38]])

• normal():正态分布，前两个参数分别为期望值和标准差。
• uniform():均匀分布，前两个参数分别为区间的起始值和终值。
• poisson():泊松分布，第一个参数指定λ系数，它表示单位时间(或单位面积)内随机事件的平均发生率。输一个整数数组。

r1 = np.random.normal(100, 10, (4, 3)) 
r2 = np.random.uniform(10, 20, (4, 3)) 
r3 = np.random.poisson(2.0, (4, 3))
print(r1)
print(r2)
print(r3)

[[119.49006926  99.6777342   96.15609946]
 [103.14035375 102.52023622 110.05252578]
 [ 98.78937596  92.52315827 120.20142524]
 [ 88.41005568 115.13081429 100.10488106]]
[[15.33053313 12.79943738 19.29833314]
 [18.48326387 13.64978122 14.29641824]
 [11.3836399  10.13409011 11.9494954 ]
 [11.30621185 10.75063446 13.64733945]]
[[2 2 1]
 [0 2 1]
 [1 2 1]
 [4 3 6]]

从文本文件构造数组

将数组写入文本文件

np.savetxt('1.txt', arr1, fmt='%0.4f', delimiter=',')

访问 数组元素

用下标访问元素

x = np.array([1, 2, 3, 4, 5, 6])
print(x[4])

5

x=np.array([[1,2,3],[4,5,6]])
print(x[1])

[4 5 6]

arr=np.arange(10)
print(arr)
print(arr[5:8])
arr[5:8]=12
print(arr)

[0 1 2 3 4 5 6 7 8 9]
[5 6 7]
[ 0  1  2  3  4 12 12 12  8  9]

• 数组切片是原始数组的视图
• 视图上的任何修改都会直接反应到源数组

arr = np.arange(10) 
arr_slice = arr