【数据分析与挖掘】数据分析学习及实践记录 | part 04-numpy数组

在跟上一小节最后一部分视频的时候，太困了。趴着睡了会儿。【41:51】第一个视频真长啊。

01数组的计算和数组的计算

老师先介绍了一下在jupyter 中，数组练习。

很快，我也跟上老师的练习，这部分之前在机器学习的课上有涉及到，对于我来说不算很难，所以我把视频加了倍速。

对了，这个“numpy”的发音是 nang π ，前面 matplotlib 发音是【我没留心，等下我去翻翻老师咋读的 mard plo lip】

数组的形状 ：

shape 

对于数组的转换reshape，展开flatten，形状指定shape。

接着老师讲了一下 t5+2，数组内所有元素都+2

相继进行尝试“t5/2”、“t5/0”结果是虽然警告但是可以运行 和数计算是可以的

同行同列时候，对应位置的元素可以相加减乘除。 和数组计算 需要至少有一个维度一样

那么不同的情况下呢？与相同的维度计算，没有一个维度的话就会报错。

解释一下，就是说，要么有一个维度是一样的，要么有一个长度为1.，可以把这个数组想象成魔方，在一些对多维数据处理过程中很有帮助，比如算平均分啊之类的。练习代码自取：

#%%

#encoding:utf-8
#from ruby in 20190904 19:52

import numpy as np

t1 = np.arange(12)

t1

t1.shape

t4 = np.arange(12)

t4

t4.reshape((3,4))

t5 = np.arange(24).reshape((2,3,4))

t5.reshape((1,24))

# t6 = t5.reshape((t5.shape[0]*t5.shape[1],))

t5.flatten()

t5+2

02numpy的数组的创建

继讲用法后，老师开始介绍为什么要学numpy

一个在Python中做科学计算的基础库，重在数据计算，也是大部分Python科学计算库的基础库，多用于在大型、

多维数组上执行数值运算。

开始上手代码：

print(t3.dtype) 老师的结果显示“int64”我的显示 “int32”，dtype作用为显示数组中 元素的类型。

代码自取：

# encoding:utf-8
# from ruby in 20190905 20:38

import numpy as np
import random

# 使用numpy生成数组，得到ndarray数组的方法
t1 = np.array([1, 2, 3, ])
print(t1)
print(type(t1))

t2 = np.array(range(10))
print(t2)

t3 = np.array(10)
print(t3)

t4 = np.arange(4, 10, 2)
print(t4)

print(t3.dtype)

# 数据类型的指定 dtype= " "
t5 = np.array(range(1, 4), dtype="float32")
print(t5)
print(t5.dtype)

t6 = np.array([1, 1, 0, 1, 1, 0], dtype=bool)
print(t6)
print(t6.dtype)

# numpy中的小数
t7 = np.array([random.random() for i in range(10)])
print(t7)
print(t7.dtype)

t8 = np.round(t7,2)
print(t8)

后面放张运行结果，就开始指定小数位数。

这种方式也可。

好的，numpy的数组相关练习就到这里。