python数据分析（一）——numpy数组的创建

系列文章：
python数据分析（二）——numpy数组的计算
python数据分析（三）——numpy读取本地数据和索引
python数据分析（四）——numpy中的nan和数据的填充
python数据分析（五）——numpy+matplotlib实例

---

---

一、为什么要学习numpy？

numpy是处理数值型数据

• 快速
• 方便
• 科学计算的基础库

二、什么是numpy？

一个在python中做科学计算的基础库，重在数值计算，也是大部分python 科学计算库的基础库，多用于在大型、多维数组上执行数值运算

1. numpy创建数组（矩阵）

代码如下（示例）：

创建数组：
import numpy as np
a = np.array([1, 2, 3, 4, 5])
b = np.array(range(1, 6))
c = np.arange(1, 6)
# 上面a,b,c内容相同，注意arange和range的区别
np.arange的用法：arange([start,] stop[, step, ], dtype = None)

数组的类名：
In [1]:a = np.array([1, 2, 3, 4, 5])
In [2]:type(a)
Out[2]:numpy.ndarray

数据的类型：
In [3]:a.dtype
Out[3]:dype('int64')

2. numpy中常见的更多数据类型

数据类型的操作：

指定创建的数组数据类型：
In [40]:a = np.array([1, 0, 1, 0], dtype = np.bool) #或者使用dtype = '?'
In [41]:a
Out [41]:array([True, False, True, False], dtype = bool)

修改数组的数据类型：
In [44]:a.astype("i1") #或者使用a.astype(np.int8)
Out [44]:array([1, 0, 1, 0], dtype = int8)

修改浮点型的小数位数：
In [53]:b
Out [53]:
array([0.0485436, 0.26320629, 0.69646413, 0.71811003, 0.3576838, 0.58919477, 0.84757749, 0.52428633, 0.486302, 0.48908838])])
In [54]:np.round(b,2)
Out [54]:array([0.05, 0.26, 0.7, 0.72, 0.36, 0.59, 0.85, 0.52, 0.49])

python中如何保留固定位数的小数？

代码如下（示例）：

import numpy as np
import random

# 使用numpy生成数据，得到ndarray的类型
a = np.array([1, 2, 3, 4, 5])
b = np.array(range(1, 6))
c = np.arange(1, 6, 2)

print(a)
print(b)
print(c)
print(c.dtype)

# numpy中的数据类型
d = np.array(range(1, 4), dtype = "float")
print(d)
print(d.dtype)

# numpy中的bool类型
e = np.array([1, 1, 1, 0, 0], dtype = "bool")
print(e)
print(e.dtype)

# 调整数据类型
f = e.astype("int8")
print(f)
print(f.dtype)

# numpy中的小数
g = np.array([random.random() for i in range(10)])
print(g)
print(g.dtype)

# 保留固定位数的小数
h = np.round(g, 2)
print(h)
print(h.dtype)