一、创建数组:
二、numpy中常见的更多数据类型:
三、数据类型操作:
四、数组的形状:
在不知道数组元素数量的时候,通过以下方法将数组转换成一维:
五、数组的一些计算
1、数组和数字的计算
2、数组和数组的计算
(一)相同类型的
(二)不同类型的
六、numpy读取本地数据和索引
1、认识轴(axis)
2、numpy读取本地数据
1、具体操作
基础代码:
所得结果
转置:
3、numpy中的索引和切片
(一)取行
(二)取列
(三)行列并用
4、numpy中更多的索引方式
(一)numpy中数值的修改
这里我们需要用到三元运算符了!
把指定的数改成nan
(二)数据的拼接
(三)数组的行列交换
(四)练习
5、numpy中的随机方法
生成随机数函数
copy和view
6、numpy中的nan和常用统计方法
(一)nan和inf
(二)numpy中nan的注意点
(三)numpy中常用的统计函数
(四)案例:将array中为nan的数变为该列非nan的数的平均值
import numpy as np
t1 = np.arange(12).reshape((3,4)).astype("float")
t1[1,2:]=np.nan
# print(t1)
# t1.shapep[1]的值为1轴即y轴的长度
for i in range(t1.shape[1]):
temp_col = t1[:,i] # 当前一列
nan_num = np.count_nonzero(temp_col!=temp_col) # count_nonzero的值为当前集合里不为0的值的数量
if nan_num!=0:
# 当前一列不为nan的array,用于求不为nan部分的平均值
temp_not_nan_col = temp_col[temp_col==temp_col]
# 通过main()计算非nan部分的array的平均值,并且将其赋值给为nan的部分
temp_col[np.isnan(temp_col)] = temp_not_nan_col.main()
(五)功能导图!!!
六、总结
简单的学习了numpy的知识,为学习pandas打下了基础!!!