Numpy组队学习第一次打卡

1.常量

空值的表示||空值互不相等：
nan = NaN = NAN

import numpy as np 
print(np.nan == np.nan) 
# False 
print(np.nan != np.nan) # True

2.数据类型

字符	对应类型	备注
b	boolean	‘b1’
i	signed integer	‘i1’, ‘i2’, ‘i4’, ‘i8’
u	unsigned integer	‘u1’, ‘u2’ ,‘u4’ ,‘u8’
f	floating-point	‘f2’, ‘f4’, ‘f8’
c	complex	floating-point
m	timedelta64	表示两个时间之间的间隔
M	datetime64	日期时间类型
O	object
S	(byte-)string	S3表示长度为3的字符串
U	Unicode	Unicode 字符串
V	void

3.时间日期和时间增量

import numpy as np 
import datetime 
dt = datetime.datetime(year=2020, month=6, day=1, hour=20, minute=5, second=30) 
dt64 = np.datetime64(dt, 's') 
print(dt64, dt64.dtype) 
# 2020-06-01T20:05:30 datetime64[s] 
dt2 = dt64.astype(datetime.datetime) 
print(dt2, type(dt2)) 
# 2020-06-01 20:05:30 <class 'datetime.datetime'>

4、数组的创建

4.1利用数值范围来创建ndarray

1. arange() 函数：返回给定间隔内的均匀间隔的值。
2. linspace() 函数：返回指定间隔内的等间隔数字。
3. logspace() 函数：返回数以对数刻度均匀分布。
4. numpy.random.rand() 返回一个由[0,1)内的随机数组成的数组。

4.2 结构数组的创建

1.利用字典来定义结构

import numpy as np 
personType = np.dtype({ 'names': ['name', 'age', 'weight'], 
						'formats': ['U30', 'i8', 'f8']}) 
a = np.array([('Liming', 24, 63.9), 
				('Mike', 15, 67.),
 				('Jan', 34, 45.8)], dtype=personType) 
print(a, type(a)) 
# [('Liming', 24, 63.9) ('Mike', 15, 67. ) ('Jan', 34, 45.8)] 
# <class 'numpy.ndarray'>

2.利用包含多个元组的列表来定义结构

import numpy as np 
personType = np.dtype([('name', 'U30'), 
('age', 'i8'), ('weight', 'f8')]) 
a = np.array([('Liming', 24, 63.9), 
('Mike', 15, 67.), ('Jan', 34, 45.8)], dtype=personType) 

print(a, type(a)) 
# [('Liming', 24, 63.9) ('Mike', 15, 67. ) ('Jan', 34, 45.8)] 
# <class 'numpy.ndarray'>
# 结构数组的取值方式和一般数组差不多，可以通过下标取得元素： 
print(a[0]) 
# ('Liming', 24, 63.9) print(a[-2:])
# [('Mike', 15, 67. ) ('Jan', 34, 45.8)] 
# 我们可以使用字段名作为下标获取对应的值 
print(a['name']) 
# ['Liming' 'Mike' 'Jan'] 
print(a['age']) 
# [24 15 34] 
print(a['weight']) 
# [63.9 67. 45.8]