Python数据分析笔记_第3天（numpy）

numpy

numpy是一个在Python中做科学计算的基础库，重点处理数值计算。numpy还是大部分Python科学计算库的基础库，多用于在大型、多维数组上执行数值运算。

numpy的数据类型

• numpy的特有数据类型：ndarry（数组矩阵）
• 变量.dtype：显示数组存放元素的数据类型
• 变量.astype(‘数据类型’)：强制转换数据类型
• numpy.round(变量，保留小数位）：对数组中元素按要求保留小数

import numpy as np
import random

t1 = np.array(range(0, 10, 2))
t2 = np.arange(0, 10, 2)

print(t1)
print(t1.dtype)  # 显示当前数组元素的数据类似
print(type(t1))
print(t2)
print(t2.dtype)
print(type(t2))

t3 = np.array([1, 1, 0, 1], dtype='float')  # 参数dtype可以指定数组中存放元素的数据类型
t3_ = t3.astype('bool')  # 强制转换数组中元素数据类型
t4 = np.array([random.random() for i in range(6)])
t4_ = np.round(t4, 2)  # 返回新对象，不对原对象做更改

print(t3)
print(t3_)
print(t4)
print(t4_)

执行结果：
[0 2 4 6 8]
int32
<class ‘numpy.ndarray’>
[0 2 4 6 8]
int32
<class ‘numpy.ndarray’>
[1. 1. 0. 1.]
[ True True False True]
[0.04574777 0.62168215 0.50774056 0.46428347 0.25248298 0.42769293]
[0.05 0.62 0.51 0.46 0.25 0.43]

• 常见数据类型
  

数组的形状

• 变量.shap：当为一维数组时返回（长度，）；当为二维数组时返回（行，列）；当为三位数组时返回（块，行，列）
• 变量.reshap((个，)/(行，列)/(块，行，列))：将已有数组重塑成指定的一维/二维/三维数组
• 变量.flatten()：将数组按行列平铺展开成一维数组

import numpy as np

a = np.array(([[1, 2, 3, 4], [5, 6, 7, 8]]))

print(a)
print(a.shape)  # 查看数组形状
a1 = a.reshape((8,))
a2 = a.reshape((1,8))  # 一维数组与只有一行的二维数组不同
a3 = a.reshape((4, 2))  # 修改数组形状
print(a)  # 不对原数组做修改
print(a1)
print(a2)
print(a3)
a_ = a.flatten()  # 将数组按行列平铺展开成一维数组
print(a_)

数组的计算

• 数组加减乘除一个常数项：对数组中每一个元素都作运算（numpy特有的广播机制）
• 数组加减乘除一个数组，存在某一维度相同时，相对应的位置作运算