NumPy数据分析基础之array函数

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

NumPy提供了两种基本的对象
ndarray:是储存单一数据类型的多维数组；
ufunc：是一种能够对数组进行处理的函数。
Numpy常用的导入格式：

import numpy as np

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、array是什么？

通过NumPy库的array函数可以创建adarray数组。通常来说，ndarray是一个通用的同构数据容器，即其中的所有元素都需要相同的类型。NumPy库能将数据（列表，元组，数组或其他序列类型）转换为ndarray数组。

二、使用步骤

1.使用array函数创建数组对象

array函数的格式：
np.array(object,dtype,ndmin)
object：接收array，表示想要创建的数组。
dtype：接收data-type，表示数组所需的数据类型，未给定则选择保存的对象所需的最小类型，默认为None。
ndmin： 接收int ，指定生成数组应该具有的最小维数，默认为None。

代码如下（示例）：

2.创建ndarray数组

代码如下（示例）：

import numpy as np

data1 = [1,3,5,7]  #列表
w1 = np.array(data1)
print('w1:',w1)

data2 = (2,4,6,8)
w2 = np.array(data2)
print('w2:',w2)

data3 = [[1,2,3,4],[5,6,7,8]]
w3 = np.array(data3)
print('w3:',w3)

结果：

w1:[1,3,5,7]
w2:[2,4,6,8]
w3:[[1,2,3,4]
   [5,6,7,8]]

dtype :作用用来定义数组的类型。
实例：

import numpy as np
w1 = np.array([1,2,3,4],dtype = 'float64')
print(w1.dtype)
print(w1)

结果：

float64
[1. 2. 3. 4.]

---

3.NumPy专门创建数组的函数

1. arange函数：用与类似Python的内置函数range，但arange主要是用来创建数组的。
   用法：
   arange函数可以通过指定起始位置、终值和步长创建一维数组，创建的数组不包含终值。

warray = np.arange(10)
print(warray) #结果 ： [0 1 2 3 4 5 6 7 8 9]

3. linspace函数
   当arange参数是浮点型时，由于浮点型精度有限，通常不可能去预测获得元素的数量。linspace很好的解决了这个问题，linspace函数默认包含终值。

warray = np.linspace(0,1,5)
print(warray)	#结果 ： [0. 0.25 0.5 0.75 1.]

5. logspace函数:logspace函数和linspace函数类似，不同点是它所创建的是等比数列。

6. zeros函数 ：zeros函数可以创建指定长度或者形状的全0数组

7. ones函数：one函数可以创建指定长度或形状的全1数组

8. diag函数： diag函数可以创建对角矩阵。对角线为0或指定数值，其他元素为0.

print(np.diag([1,2,3,4]))
结果：
[[1 0 0 0]
[0 2 0 0]
[0 0 3 0]
[0 0 0 4]]

9. eye函数可以创建一条对角线为1、其他位置全为0的矩阵。

print(np.eye(2))
结果：
[[1 0]
[0 1]]

4.ndaarray对象属性和数据转换

NumPy创建ndarray对象属性主要有属性

属性	说明
ndim	秩，即数据轴的个数
shape	数组的维度
size	数组元素个数
dtype	数据类型
itemsize	数组中每个元素的字节大小