2.数据分析-Numpy_①

import numpy as np
import matplotlib.pyplot as plt

from pylab import mpl
#显示中文字体
mpl.rcParams["font.sans-serif"] = ["SimHei"]
#设置正常显示字符
mpl.rcParams["axes.unicode_minus"] = False

---

一、 numpy初见

1.1 ndarray的介绍

# hello numpy
x=np.array([[1,2,3],
            [9,8,7],
            [6,5,4]])
x

array([[1, 2, 3],
       [9, 8, 7],
       [6, 5, 4]])

1.2 ndarray和原生python效率对比

import random
import time
import numpy as np

a = []
for i in range(10000000):
    a.append(random.random())

# 通过%time魔法方法，查看当前代码运行一次所花费的时间
%time sum_p = sum(a)

#将python中的list转化为ndarray
b = np.array(a)

%time sum_n = np.sum(b)

Wall time: 40.9 ms
Wall time: 11 ms

---

二、 ndarray的使用

2.1 数组的属性

#数组维度的元组：ndarray.shape
x.shape

(3, 3)

#数组维度：ndarray.ndim
x.ndim

2

#数组中的元素数量：ndarrary.size
x.size

9

#一个数组元素的长度（字节）：naarray.itemsize
x.itemsize

4

#数组元素的类型：ndarray.dtype
x.dtype

dtype('int32')

2.2 数组的形状

#一维数组
a = np.array([1,2,3,4])
a.shape

(4,)

#二维数组
b = np.array([[1