利用python进行数据分析——numpy

import numpy as np

1. 生成随机数——随机Random

# 不用加括号
data = np.random.randn(2, 3)
data

array([[ 0.07689512, -1.51421269,  0.68987053],
       [ 1.43361695, -1.29523018, -0.13379231]])

2. 逐元素运算

data * 10

array([[ -4.67858745, -12.44710281,   8.03965842],
       [ 25.81933779,  24.56743029,   9.8228948 ]])

data + data

array([[-0.93571749, -2.48942056,  1.60793168],
       [ 5.16386756,  4.91348606,  1.96457896]])

3. numpy对象的一些属性

data.shape

(2, 3)

data.dtype

dtype('float64')

4. arrays的生成

# 用可迭代对象生成
# np.array接受列表元素数组等序列
data1 = [6, 7.5, 8, 0, 1]
arr1 = np.array(data1)
arr1

array([6. , 7.5, 8. , 0. , 1. ])

# 生成全0, 1数组，形状一样的0，1数组
print(np.zeros((3, 6)))
print(np.ones((3, 6)))
print(np.ones_like(arr1))
print(np.zeros_like(arr1))

[[0. 0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0.]]
[[1. 1. 1. 1. 1. 1.]
 [1. 1. 1. 1. 1. 1.]
 [1. 1. 1. 1. 1. 1.]]
[1. 1. 1. 1. 1.]
[0. 0. 0. 0. 0.]

# 未成为初始化的数组，最快的！
np.empty((2, 3, 2))

array([[[-1.72723371e-077,  3.10503638e+231],
        [ 2.96439388e-323,  0.00000000e+000],
        [ 0.00000000e+000,  0.00000000e+000]],

       [[-1.72723371e-077, -1.72723371e-077],
        [ 8.48798316e-313,  1.01855798e-312],
        [ 2.02566915e-322,  8.34402697e-309]]])

# 用np.arange
print(np.arange(10))
print(np.arange(3, 3.5, 0.1)) # 设置步长

[0 1 2 3 4 5 6 7 8 9]
[3.  3.1 3.2 3.3 3.4]

# 用asarray
np.asarray([[1, 2, 3],[4, 5, 6]])
print(np.asarray(arr1))

[6.  7.5 8.  0.  1. ]

# 用full，指定大小和初始化元素
np.full((2, 3), 0.5)

array([[0.5, 0.5, 0.5],
       [0.5, 0.5, 0.5]])

# eye: 生成对角线为1，其余位置为0的， 必须是矩阵，所以只有一个元素
np.eye(3)

array([[1., 0., 0.],
       [0., 1., 0.],
       [0., 0., 1.]])

条件来生成布尔类型数组

arr = np.array([1, 2, 3, 2, 4, 5, 3])
arr2 = np.array([1, 2, 0, 5, 2, 9, 1])
arr > arr2

array([False, False,  True, False,  True, False,  True])

5. numpy的数据类型

• dtype：定义数据类型
• astype：转换数据类型
• 是在创建的时候，可以在传入参数的时候加上dtype/astype参数

# dtype
arr1 = np.array([1, 2, 3], dtype = np.float64)
arr2 = np.array(</