学习笔记(30):零基础搞定Python数据分析与挖掘-数组的介绍（二）

立即学习:https://edu.csdn.net/course/play/6861/371096?utm_source=blogtoedu

性能比较：

import random
h = []
w = []
for i in range(100000):
    h.append(random.randint(153,180))
    w.append(random.uniform(51,88))

%%time
bmi = []
for i in range(100000):
    bmi.append(w[i]/(h[i]/100) ** 2)

Wall time: 95 ms

H = np.array(h)
W = np.array(w)

%%time
BMI = W/(H/100)**2

Wall time: 31 ms

1、数组实现的运算要比列表要快。

2、通过数组运算能达到更好的效果

 

二维数组：

#基于嵌套列表创建二维数组
arr1 = np.array([[1,2,3,4],[2,3,4,5],[11,23,16,18],[100,101,102,103]])
#基于嵌套元组创建二维数组
arr2 = np.array(((1,2,3,4),(2,3,4,5),(11,23,16,18),(100,101,102,103)))
#二维数组的打印结果
print(arr1,'\n')
print(arr2)

[[  1   2   3   4]
 [  2   3   4   5]
 [ 11  23  16  18]
 [100 101 102 103]] 

[[  1   2   3   4]
 [  2   3   4   5]
 [ 11  23  16  18]
 [100 101 102 103]]

数组元素的返回

1、在一维数组中，列表的所有索引方法都可以使用在数组中，而且还可以使用间断索引和逻辑索引。

2、在二维数组中，位置索引必须写成[rows，cols]的形式，方括号的前半部分用于锁定二维数组的行索引，后半部分用于锁定数组的列索引。

3、如果要获取二维数组的所有行和列元素，那么对于的行索引或者列索引需要英文状态的冒号表示。

#一维数组的索引有四种方式
arr1 = np.array([13,19,22,14,19,11])
#索引、切片
print(arr1[-1])

print(arr1[:3])
#间断索引和逻辑索引
print(arr1[[1,3,5]])
print(arr1 <15)
print(arr1[arr1 < 15])

结果如下：

11
[13 19 22]
[19 14 11]
[ True False False  True False  True]
[13 14 11]

#二维数组的索引
arr1=np.array([[1,2,3],[3,4,5],[2,34,5]])
#取出34
print(arr1[2,1])
#取出第二行
print(arr1[1,:])