Python数据分析-numpy

创建数组

np.array(object, dtype=None, copy=True, order=None, subok=False, ndmin=0)
# object:表示一个数组/序列
# dtype:更改数组的数据类型
# copy:当数据源是ndarray时表示驻足能否被复制，默认是True
# order:内存布局
# ndmin:指定数组的维度
# subok:bool类型,默认为False，为True，使用object的内部数据类型

t = np.array([1, 2, 3, 4, 5])
print(t, type(t))
输出：
[1 2 3 4 5] <class 'numpy.ndarray'>

#  输入元组也会输出数组
print(np.array((1, 2, 3, 4, 5)))
输出：
[1 2 3 4 5]

# 数组
a = np.array([1, 2, 3, 4, 5])
b = np.array(a)
# b = a
print(b)
输出：
[1 2 3 4 5]

# 迭代对象
print(np.array(range(10)))
输出：
[0 1 2 3 4 5 6 7 8 9]

# 生成器
print(np.array([i**2 for i in range(10)]))
输出：
[ 0  1  4  9 16 25 36 49 64 81]

# 练习1：创建10以内的偶数的数组
print(np.array([i for i in range(10) if i % 2 == 0]))
输出：
[0 2 4 6 8]

# 列表中元素类型不相同，选数据类型最大的
print(np.array([1, 1.5, 3, 5, '5']))
输出：
['1' '1.5' '3' '5' '5']

# 二维数组
t = np.array([
            [1, 2, 3],
            ('a', 'b', 'c')
    ])
print(t)
输出：
[['1' '2' '3']
 ['a' 'b' 'c']]

# 嵌套数列数量不一致
t = np.array([[1, 2, 3], ('a', 'b', 'c', 'd')])
print(t)
print(t.ndim)
输出：
[list([1, 2, 3]) ('a', 'b', 'c', 'd')]
1

# 设置dtype参数，默认自动识别
t = np.array(range(1, 6), dtype='float')
print(t)
输出：
[1. 2. 3. 4. 5.]

# 浮点变为整形
t = np.array([1.1, 2.5, 3.8, 4, 5], dtype='int')
print(t)
输出：
[1 2 3 4 5]