python 创建空的numpy数组_python数据分析包|NumPy-01

详细介绍数据分析基础包： Numpy的基础使用方法。

欢迎微信随缘关注@pythonic生物人

本篇您将学到什么？

1、numpy简介
2、numpy数组ndarray使用
创建numpy数组ndarray
 array函数借助列表（list）创建一维数组
 array函数借助列表（list）创建二维数组
 array函数借助元组（tuple）创建数组
 arange函数创建数组
 empty函数创建空数组
 zeros函数创建元素全为0的数组
 ones函数创建元素全为1的数组
 full函数创建某个元素填充的数组
 eye函数创建对角线为1的数组
 其它创建数组的方式  
numpy数据类型
numpy数组属性 
 dtype指定numpy数组数据类型
 dtype查看numpy数组数据类型
 astype转换numpy数组数据类型 
 ndim查看numpy数组的维度
 shape查看numpy数组的形状
 size查看numpy数组的大小（总元素数目）
numpy数组操作
 一维数组索引
 二维数组索引
 三维数组索引 
 利用布尔值索引 
 利用布尔索引修改数组值
 通过整数数组使用花式索引（Fancy indexing）
 通过take函数使用花式索引
 利用索引修改数组值
 一维数组切片
 二维数组切片
 numpy数组拼接（concatenate/vstack/hstack）
 split拆分数组
 arange函数借助reshape创建数组
 repeat产生更大数组（沿着0轴或者1轴的某行或某列为单位）
 tile产生更大数组（整个数组为重复单位）
 any判断数组元素是否至少有一个True
 判断数组元素是否都是False
 unique函数去数组重复元素
 其它去重函数
numpy数组计算
numpy的统计方法
numpy中的线性代数运算
随机数生成（np.random）

---

1、numpy简介

NumPy，Numerical Python的简称，NumPy与各包之间的关系，见下图；

NumPy的数组（N维数组对象，即numpy.ndarray）是多数pyhton科学计算包的构建基础；
可以直接对ndarray进行复杂数学运算，而不必借助循环或者推导式；
相比于python的内置序列，ndarray使用的内存更少；
理解numpy.ndarray的功能有助于更高效的使用Pandas等包；
关于numpy中任何函数的使用方法，点击网址：https://numpy.org/doc/stable/，搜索即可见详细文档：

Python中导入numpy模块，Python社区，习惯将numpy模块的名称简写为np，导入方式如下：

In [6]: import numpy as np

---

2、numpy数组ndarray使用

创建numpy数组ndarray

• array函数借助列表（list）创建一维数组

语法：np.array(list)

In [7]: np.array([1,2,3,4])
Out[7]: array([1, 2, 3, 4])

• array函数借助列表（list）创建二维数组

In [3]: np.array([[1,2,3,4],[2,3,4,5]])
Out[3]:
array([[1, 2, 3, 4],
       [2, 3, 4, 5]])

• array函数借助元组（tuple）创建数组

语法：np.array((tuple))

In [8]: np.array((1,2,3,4))
Out[8]: array([1, 2, 3, 4])

• arange函数创建数组

语法：numpy.arange(start，stop, step，dtype=None)
start，起始值，默认为0，可选
stop，终止值
step，步长，默认为1
dtype，数据类型

In [27]: np.arange(7)#不包含7
Out[27]: array([0, 1, 2, 3, 4, 5, 6])

In [29]: np.arange(3,7,2)
Out[29]: array([3, 5])

• empty函数创建空数组

创建一个元素未被初始化（uninitialized “garbage” values）的数组。
语法：numpy.empty(shape, dtype=float, order='C')
shape，数组形状，int or tuple of int
dtype，数据类型，默认为numpy.float64.
order，数组填充顺序，行优先（C）或者列优先（F），默认为 C

In [10]: np.empty(5)
Out[10]:
array([8.20939596e-315, 9.84800637e-312, 0.00000000e+000, 8.19903220e-315,
       0.00000000e+000])

In [11]: np.empty((2,3))
Out[11]:
array([[0., 0., 0.],
       [0., 0., 0.]])

• zeros函数创建元素全为0的数组

语法：numpy.zeros(shape, dtype=float, order='C')

In [16]: np.zeros(3)
Out[16]: array([0., 0., 0.])

In [17]: np.zeros((2,3))
Out[17]:
array([[0., 0., 0.],
       [0., 0., 0.]])

• ones函数创建元素全为1的数组

语法：numpy.ones(shape, dtype=None, order='