数值运算-numpy基本操作

生成数组

生成正数

1. 直接生成
   t1 = np.array([1,2,3])
2. range生成
   t2 = np.array(range(10))
3. arange生成（numpy独有）

• 使用方法类似range
  t3 = np.arange(4,10,2)

生成小数

t7= np.array([random.random() for i in range(10)])  
print(t7)  
print(t7.dtype)  
  
t8= np.round(t7,2) #取近似两位 
print(t8)

---------------------
[0.10012212 0.95524231 0.25023686 0.65104295 0.29307086 0.18376068
 0.34930801 0.92896144 0.79899637 0.79465704]
float64

[0.1  0.96 0.25 0.65 0.29 0.18 0.35 0.93 0.8  0.79]

---

数据类型操作

查看数据类型

t3 = np.arange(4,10,2)
print(t3.dtype)
-------------------------
int64

改变数组存储方式

• 节省内存空间

t4 = np.array(range(1,4),dtype ="i1")  
print(t4.dtype)
---------------
int8

t5 = np.array([1,1,0,1,0,0],dtype=bool)  
print(t5)  
print(t5.dtype)
---------------
[ True  True False  True False False]
bool

t6= t5.astype("int8")
print(t6)
print(t6.dtype)
----------------
[1 1 0 1 0 0]
int8

---

数组的形状

查看形状

• 可以理解为：数组的维度

t8= np.array([[1,2,3],[4,5,6]])  
print(t8.shape)
------------------------
(2, 3)    #二维，两行三列


t8= np.array([[[1,2,3],[4,5,6]],[[3,4,5],[6,7,8]]])  
print(t8.shape)
------------------------
(2, 2, 3)  #，三维两块两行三列

修改形状

1. 升维

t3 = np.arange(12)  
t4 = t3.reshape((3,4)) # 变为二维

print(t3.shape)  
print(t4.shape)
------------------------
(12,)
(3, 4)

<