array可以初始化一个数组
import numpy as np
data=np.array([[1,2],[3,4]]) #初始化一个二维数组
data=np.array([1,2,3,4,5,6]) #初始化一个一维数组 可以称为矩阵
print(type(data)) # 查看数据类型
print(data.ndim) #查看数组是几维
print(data.shape) #查看多维数组的结构
data2=data.reshape(2,3) #改变数组形状,由一维变为二维,2表示一个大列表里有两个小列表,3表示小列表里有三个数据
data.head() 默认取前五条
data.tail() 默认取后五条
data.head(2) 去前两条
————————————————————————————————————
arange生成区间数组
import numpy as np
data=np.arange(2,10,2) 里面的数字跟for里面的参数意思一样
data2=np.array([data,data]) #用array
————————————————————————————————————
linspace
import numpy
data=np.linspace(2,10,5) #意思是在[2,10]区间范围内生成五个数 每个数之间的间隔大小相等
由这五个数组成一个一维数组,并且这些数都是float64类型
————————————————————————————————————
numpy.sum(data) 求和函数
numpy.mean(data)求平均值 numpy.average(data) 求平均权均值 两者差别不大
numpy.max(data) 求最大值
numpy.min(data) 求最小值
numpy.std(data) 求标准差
numpy.val(data) 求方差
方差=标准差的平方
方差=每个数与数组的平均值的差值的和在除以数组里的长度
——————————————————————————————————————
tolist 将数组转为列表
data=numpy.linspace(1,10,10)
data2=data.tolist()
也可以用python内置函数
data2=list(data)
当数组里的数少时list()效率高,当数组里的数多时,tolist()效率高
array()将列表转为数组
data3=numpy.array(data2)
——————————————————————————————————————
dtype 指定数组里的数的数据类型
data=numpy.array([1,2,3],dtype='double') #将数组里的数的数据类型转为double类型
```
numpy里的函数
最新推荐文章于 2024-04-19 20:02:59 发布