python数据分析与挖掘（十）--- numpy 基本操作

Python教程网 >>：www.python88.cn

1 生成0和1的数组

• empty(shape[, dtype, order]) empty_like(a[, dtype, order, subok])
  eye(N[, M, k, dtype, order])
• identity(n[, dtype])
• ones(shape[, dtype, order])
• ones_like(a[, dtype, order, subok])
• zeros(shape[, dtype, order]) zeros_like(a[, dtype, order, subok])
  full(shape, fill_value[, dtype, order])
• full_like(a, fill_value[, dtype, order, subok])

>>> zero = np.zeros([3, 4])
array([[ 0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.]])

2 从现有数组生成

• array(object[, dtype, copy, order, subok, ndmin])

• asarray(a[, dtype, order])

• asanyarray(a[, dtype, order]) ascontiguousarray(a[, dtype])
• asmatrix(data[, dtype])
• copy(a[, order])

a = np.array([[1,2,3],[4,5,6]])
# 从现有的数组当中创建
a1 = np.array(a)
# 相当于索引的形式，并没有真正的创建一个新的
a2 = np.asarray(a)

关于array和asarray的不同

3 生成固定范围的数组

• np.linspace (start, stop, num, endpoint, retstep, dtype)

生成等间隔的序列

start 序列的起始值
stop 序列的终止值，
如果endpoint为true，该值包含于序列中
num 要生成的等间隔样例数量，默认为50
endpoint 序列中是否包含stop值，默认为ture
retstep 如果为true，返回样例，
以及连续数字之间的步长
dtype 输出ndarray的数据类型

# 生成等间隔的数组
np.linspace(0, 100, 10)

返回结果：

array([  0.        ,  11.11111111,  22.22222222,  33.33333333,
        44.44444444,  55.55555556,  66.66666667,  77.77777778,
        88.88888889, 100.        ])

• 其它的还有
  • numpy.arange(start,stop, step, dtype)
  • numpy.logspace(start,stop, num, endpoint, base, dtype)

np.arange(10, 50, 2)

返回结果