python 之numpy学习

什么是numpy?

numpy是python一个开源的计算库，用于对N 维数组与矩阵的计算操作

ndarray并非像字典与列表一样，ndarray中数据类型必须一致，所以在运算效率上numpy有很大的优势，数据分析中常用

对ndarray基本操作

import numpy as np

array = np.array([[1,2,3],[4,5,6]])
#array.ndim    数组的维数        2
#array.shape   数组的形状        2x3
#array.size    数组中元素的数量   6
#array.dtype   数组中数据的类型   int32
#type(array)   数组的类型        <class'numpy.ndarray>

数组的维数参考坐标轴形式理解

数组的形状：一维即数组长度、二维即数组长X宽、三维即长X宽X高、四维以上抽象理解即可

对ndarray形状和数据类型操作

改变ndarray形状

array = np.array([[1,2,3],[4,5,6]])
print(array, array.shape)  #输出数组即书数组的形状

array1 = array.reshape((3,2))  #改变数组形状
print(array1, array1.shape)   #输出改变后的数组

array2 = array.T             #对数组进行转置
print(array2, array2.shape)  #输出转置后的数组

运行结果为：

[[1 2 3]
 [4 5 6]]  (2,3)

[[1 2]
 [3 4]
 [5 6]]    (3,2)

[[1 4]
 [2 5]
 [3 6]]    (3,2)

注意：对于ndarray修改形状不能改变数组中数据的个数

改变ndarray数据类型

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

print(array.dtype)

array1 = array.astype(np.int64)
print(array1.dtype)

运行结果：

int32


int64

ndarray的创建

#生成全为1的ndarray
array = np.ones((2,3))  #ones代表全1,(2,3)代表形状

#生成全为0的ndarray
array = no.zeros((2,3))  #与上同理

#生成全为指定值的ndarray
array = np.full((2,3), 5)   #维数2，3 数据全为5

#生成随即值ndarray
array = no.random.randint(1,10,4) #1代表起始值，10代表结束值，4代表数据个数

ndarray的索引

#创建一个2X3X2的数组
array = no.array([[[1,2,3],[4,5,6]],[[7,8,9],[10,11,12]]])
print(array.shape)
print(array[1])
print(array[1][0])
print(array[1,0])

运行结果：

(2,2,3)

[[7 8 9]
 [10 11 12]]

[7 8 9]

[7 8 9]

array[1][0]与array[1,0]代表的数据一致

ndarray去重

array = np.array([[1,2,3][2,3,4]])

array1 = np.unique(array1)
print(array1)

输出结果为： [1 2 3 4]

去重即去除重复数据，并返回一维数组