python数据分析库之Numpy笔记
- 导入
numpy
模块
import numpy as np
- 通过列表创建一个数组
arr = np.array([1,2,3,4,5])
- 使用
type
函数查看数组对象类型
type(arr)
- 使用
dtype
属性查看数组元素的数据类型
arr.dtype
- 通过二维列表创建一个二维数组
arr2 = np.array([[1,2,3], [4,5,6]])
- 使用
ndim
属性查看数组的维度
arr2.ndim
- 使用
shape
属性查看数组的形状
arr2.shape
- 使用
zeros
方法创建一个元素全0的数组
np.zeros(4)
np.zeros((2,4))
- 使用
empty
方法创建没有具体值的数组
np.empty((2,2,2))
"""
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]]])
"""
- 使用
arange
方法创建序列数组
np.arange(6)
- 使用
eye
方法创建单位矩阵
np.eye(4)
"""
array([[1., 0., 0., 0.],
[0., 1., 0., 0.],
[0., 0., 1., 0.],
[0., 0., 0., 1.]])
"""
- 使用
ones
方法创建元素全是1的数组
np.ones((2,2))
"""
array([[1., 1.],
[1., 1.]])
"""
- 创建指定数据类型的数组
arr3 = np.array([1,2,3],dtype=np.float64)
arr4 = np.array([1,2,3],dtype=np.int32)
arr4 = np.array(['a', 'b', 'c'],dtype=np.string_)
- 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)
- 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)
- 使用
reshape
方法转换数组维度
arr = np.arange(10).reshape((2,5))
"""
array([[0, 1, 2, 3, 4],
[5, 6, 7, 8, 9]])
"""
- 使用
T
属性将数组转置
arr.T
"""
array([[0, 5],
[1, 6],
[2, 7],
[3, 8],
[4, 9]])
"""