第一次作业
Numpy——python的科学计算数据库,特有的数据类型ndarray(数组对象)在减少for循环代码编写量的同时,还提高了代码的运行效率。
python的一维数据类型——集合(无序),列表(有序),二者的元素要为同种数据类型。
numpy数组中的数据类型可以不同,称为非同质数组,但无法利用数组的便捷性,应尽量避免
import numpy as np
''' 数组的属性查看 '''
#
np.ndim
''' 数组的创建 '''
## 使用列表或元组创建
np.array([[1, 2], [3, 4], (5, 6)])
## 使用方法创建
# 生成指定维度的全1数组
np.ones(shape)
# 生成指定维度的全0数组
np.zeros(shape)
# 生成指定维度的全为单一指定值的数组
np.full(shape, val)
# 生成n*n的单位矩阵
np.eye(n)
# 根据数组a的形状生成全1数组
np.ones_like(a)
# 依据数组a的形状生成全0数组
np.zeros_like(a)
# 依据数组a的形状生成全为单一指定值的数组
np.full_like(a, val)
''' 数组的维度变换 '''
# 返回重新指定shape的数组,原数组不变
.reshape(shape)
# 同.reshape(),但改变原数组
.resize(shape)
''' 数据类型转化 '''
# 将数组转化为列表
.tolist()
# 转换为其他数据类型,原数组不变
.astype(new_type)
第二次作业
csv(Comma-Se