【python数据挖掘之numpy】-数组及对象属性和数据转换

Numpy是一个Python库，用于处理多维数组和矩阵，以及针对这些数组执行数学运算的函数。它提供了高效的数组对象和相关的操作，可以用于快速处理大量数据。Numpy的主要功能包括：创建数组、数组运算、数组索引和切片、线性代数、随机数生成等。Numpy在科学计算、数据分析、机器学习等领域都广泛应用。

 tips：（本博文在jupyter中实训）

目录

 一、创建数组对象

1.array（）函数来创建数组的对象

2. array（）函数的主要参数及说明

3.创建数组的函数（特有）

二、ndarray对象属性和数据转换

1.对象属性及说明

---

 一、创建数组对象

        我们可以利用Numpy库的array()函数，既可以创建ndarray数组，numpy库能将数据（列表、元组、数组或其他序列类型）转化为ndarray

1.array（）函数来创建数组的对象

1.1列表（list）

import numpy as np  #导入numpy库
List = [1,2,3,4]
L1= np.array(List)
print('L1:',L1)

1.2元组（tuple）

import numpy as np # 导入numpy库
Tuple = (2,0,2,4)
T1= np.array(Tuple)
print('T1:',T1)

 1.3多维数组（multidimensional array）

import numpy as np # 导入numpy库
Marray = [[1,2,3,4],[2,0,2,4]]
M1 = np.array(Marray)
print('M1:',M1)

运行结果如下： 

2. array（）函数的主要参数及说明

array()函数的主要格式为：np.array（obj，dtype，ndmin）

参数	说明
object	表示要创建的数组
dtype	表示数组所需的数据类型，默认None
ndmin	生成数组应该具有的最小维数，默认None

3.创建数组的函数（特有）

为了提高各位的工作效率，numpy贴心的提供了很多专门创建数组的函数 

函数	说明
np.arange(n)	相似于range()函数，返回ndarray类型，元素为0~n-1
np.eye(n)	创建对角元素为1，其他元素为0的方阵
np.ones(shape)	根据shape生成一个全1的数组，shape为元组类型
np.zeros(shape)	根据shape生成一个全0的数组，shape为元组类型
np.full(shape,val)	根据shape生成一个值全为val的矩阵
np.linspace()	指定开始值、终值和元素个数，创建一维数组
np.logspace()	指定开始值、终值和元素个数，创建一维等比数组

3.1 np.arange(n)

arr1= np.arange(20)
print(arr1)

#[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19]

3.2 np.eye(n)

arr2 = np.eye(5)
print(arr2)

# [[1. 0. 0. 0. 0.]
#  [0. 1. 0. 0. 0.]
#  [0. 0. 1. 0. 0.]
#  [0. 0. 0. 1. 0.]
#  [0. 0. 0. 0. 1.]]

3.3 np.ones(shape)

arr3 = np.ones(4)
print(arr3)
#[1. 1. 1. 1.]

arr4 = np.ones([3,3])
print(arr4)

#[[1. 1. 1.]
 #[1. 1. 1.]
# [1. 1. 1.]]

3.4 np.zeros(shape)

arr5 = np.zeros(4)
print(arr3)

# [1. 1. 1. 1.]

arr6 = np.zeros([3,3])
print(arr6)

# [[0. 0. 0.]
#  [0. 0. 0.]
#  [0. 0. 0.]]

3.5 np.full(shape,val)

arr7= np.full([3,3],6)
print(arr7)

# [[6 6 6]
#  [6 6 6]
#  [6 6 6]]

3.6 np.linspace()

arr8 =np.linspace(0,10,6)
print(arr8)

# [ 0.  2.  4.  6.  8. 10.]

3.7 np.logspace()

arr9=np.logspace(0,3,6)
print(arr9)
# [   1.   3.98107171   15.84893192   63.09573445  251.18864315 1000.]

二、ndarray对象属性和数据转换

1.对象属性及说明

属性	说明
ndim	数据轴个数
dtype	数据类型
shape	数据维度
itemsize	数组中每个元素的字节数
size	数组的元素个数
nbytes	整个数组所需的字节数

arr10 = np.array([[3,5,8],[5,6,8]])
print(arr10.ndim)
print(arr10.dtype)
print(arr10.shape)
print(arr10.itemsize)
print(arr10.size)
print(arr10.nbytes)

# 2
# int32
# (2, 3)
# 4
# 6
# 24