python（numpy，pandas1）——numpy(ndim，shape，size,zero, empty, arange, linspace)

前言

根据 莫烦Python的教程 总结写成，以便自己复习和使用,这里我就不哟林地挂原创了🐶。

1. numpy属性ndim，shape，size

shape参考大佬博客

# 1. numpy属性
array1 = np.array([[1,2],[3,4]]) # 将一个列表变成数组矩阵,加速运算
list = [[1,2],[3,4]]
print(array1)
print(list)#在list中只是列表
#
print(array1.ndim)# 数组的列维度
print(array1.shape)# 几乘几的矩阵，其中当矩阵只有一个维度的时候，返回的是该一维数组（矩阵）中元素的个 数，通俗点说就是返回列数，因为一维数组只有一行，np.array只能生成行向量
print(array1.size)# 总共多少元素

2. numpy数据生成zero empty arange linspace

array2 = np.array([[1,2],[3,4]],dtype=np.int64)# 可以赋予array类型
print(array2.dtype) # 查看type类型

a2 = np.zeros((3,4))# 3h 4l
a2 = np.empty((3,4))# 3h 4l 无限接近0
a2 = np.arange(1,12,2)# 有序的数列和矩阵 1-10的步长为2的数列
a2 = np.arange(12).reshape((3,4))#reshape 数组重组为3行4列

a2 = np.linspace(1,10,6).reshape((2,3)) #生成6段数列，它和arang的区别就是它是任意步长的
print(a2)

补充：对np.array生成的数据的分析

a2 = np.array([1,2])
print (a2.shape)# (2,) 这里创建的a2其实只是一个list，2表示数据的个数，仅此而已
print (a2.T.shape) # 得到的依然是(2,) 转置对于这样创建出来的a2是不起作用的.
a2 = np.array([[1,2]]) # 这里增加了[],吧a2变成了一个矩阵
print (a2.shape) # (1, 2) 看看这样的维度就完整了