【数据分析】Numpy学习笔记(一)

最近在学习数据分析，到了numpy的学习阶段，边学边整理分享自己的学习笔记，希望能对你也有所帮助！
这次的学习笔记包括以下内容：
1.数组的创建方式
2.多维数组的简单操作
3.数组的索引和切片操作
4.布尔索引
5.数组值的替换操作
6.数组的形状操作
7.数组的叠加
8.数组的切割
9.数组的转置
10.浅拷贝和深拷贝
11.文件操作的几种方式
正式进入主题之前，默认numpy的导入如下：

import numpy as np

一、数组的创建方式
数组的创建常用的有四种方式：
1.利用array创建基本数组，如果已经有了基本的数组，或者数据比较简单时，可以通过这种方式创建，示例如下：

import numpy as np
a1 =np.array([1,2,3])

2.如果需要创建连续的数组，类似等差数列，可以通过arange函数，示例如下：

import numpy as np
a1 =np.arange(10) #创建0-9的数组

3.如果需要创建随机数组，这也是经常用到的一种方式，需要用到numpy中的random随机函数，类似python中的随机函数，示例如下：

import numpy as np
a1 =np.random.randint(0,10,size=(3,4)) #创建3行4列的的数组，数组元素0-9

4.特殊数组。
4.1全部是0的数组

import numpy as np
a1 =np.zeros((4,3)) #创建元素全部是0的4行3列的数组

4.2全部是1的数组
与上面的方法类似，代码如下：

import numpy as np
a1 =np.ones((4,3)) #创建元素全部是0的4行3列的数组

4.3 创建全部是某个指定元素的数组

import numpy as np
a1 =np.full((4,3),9) #创建全部是9的4行3列的数组

4.4创建对接线上全部是1，其他位置都是0的数组

import numpy as np
a1 =np.eye((3)) #注意只能传入1个元素，生成N行N列的数组

二、多维数组的简单运算
2.1 ndim 判断是几维数组

import numpy as np
a1 =np.random.randint(1,9,size=(4,3))
print(a1.ndim) #结果打印为2，二维数组

2.2 .size获取元素总的个数

import numpy as np
a1 =np.random.randint(1,9,size=(4,3))
print(a1.size)

输出结果12，共有12个元素
2.3 .shape判断数组的形状

import numpy as np
a1 =np.random.randint(1,9,size=(4,3))
print(a1.shape)

生成结果返回一个元组(4,3)

<