数据分析
- 数组属性:ndarray(数组)是存储单一数据类型的多位数组。
属性 | 说明 |
---|---|
ndim | 返回int。表示数组的维数 |
shape | 返回tuple。表示数组的尺寸,对于n行m列的矩阵,形状为(n,m) |
size | 返回int,表示数组的元素总数,等于数组形状的乘机 |
dtype | 返回data-type。描述数组中的类型 |
itemsize | 返回int。表示数组的大小以字节为单位 |
2.创建数组对象
numpy.array(object,dtype=None, copy=True, order=‘K’,subok=False, ndmin=0)
参数名称 | 说明 |
---|---|
object | 接收array。表示要创建的数组,无默认 |
dtype | 接收data-type。表示数组所需要的数据类型,如果未给定,则选择保存对象所需的最小型。默认为None |
ndmin | 接收int。制定生成数组对应该具有的最小维数。默认为None。 |
3.创建数组对象
创建数组并查看数组属性
import numpy as np 导入?Numpy库
arr1 = np.array([1, 2, 3, 4]) # 创建一维数组
print('创建的数组为:', arr1)
arr2 = np.array([[1, 2, 3, 4], [4, 5, 6, 7], [7, 8, 9, 10]])
print('创建的二维数组为:\n', arr2)
print('数组维度为:',arr2.shape) #查看数组结构
数组维度为: (3, 4)
print('数组维度为:',arr2.dtype) #查看数组类型
数组维度为: int32
print('数组元素个数为:',arr2.size) #查看数组元素个数
数组元素个数为: 12
print('数组每个元素大小为:',arr2.itemsize) #查看数组每个元素大小
数组每个元素大小为: 4
使用linspace函数创建数组:参数1为开始数值,参数2为结束数值(包含2)参数33为步数
print('使用 linspace 函数创建的数组为:',np.linspace(0, 1, 12))
使用linspace函数创建的数组为: [ 0. 0.09090909 … 1. ]
使用linspace函数创建数1为开始值10的0次方,参数2为结束值10的2次方,参数3为元素个数(等比步长),参数4(base)为基数默认为10
print('使用logspace函数创建的数组为:',np.logspace(0, 2, 20))
使用logspace函数创建的数组为: [ 1. 1.27427499 1.62377674 ..., 61.58482111 78.47599704 100. ]
使用eye函数创建数组:定义对角线为1,其余位为0的数值,参数1为行数,参数2为列数(默认为行数数值)
print('使用eye函数创建的数组为:',np.eye(3))
使用eye函数创建的数组为:
[[ 1. 0. 0.]
[ 0. 1. 0.]
[ 0. 0. 1.]]
使用diang函数创建数组:参数是1维数组时,结果形成一个以一维数组为对角线元素的矩阵是二维矩阵,结果输出矩阵的对角线元素
print('使用diag函数创建的数组为:',np.diag([1,2,3,4]))
使用diag函数创建的数组为:
[[1 0 0 0]
[0 2 0 0]
[0 0 3 0]
[0 0 0 4]]
使用ones函数创建数组:返回给定形状(shape)和数据类型(dtype)的新数组,其中元素的值为1
print('使用ones函数创建的数组为:',np.ones((5,3)))
使用ones函数创建的数组为:
[[ 1. 1. 1.]
[ 1. 1. 1.]
[ 1. 1. 1.]
[ 1. 1. 1.]
[ 1. 1. 1.]]
数据类型
numpy基本数据类型与取值范围(只有一部分)
类型 | 描述 |
---|---|
bool | 用一位数组的布尔类型(值为TRUE或FALSE) |
inti | 由所在平台决定其精度的调整(一般为int32或int64& |