Numpy&Pandas：numpy库的安装以及数组的各种创建方法

目录

前言

一、numpy库的安装和测试

1.使用pip安装numpy库和jupyter notebook库

2.arange函数测试环境安装

3.使用终端打开jupyter notebook

二、numpy里各种创建数组的方法

1.arange

2.array

3.随机数创建

4.ndarary对象属性

5.zeros和ones创建

6.empty创建

7.full创建

8.创建单位矩阵

9.linspace创建一维等差数列数组

10.logspace创建一维等比数列数组

总结

---

前言

python的学习进入下一个阶段了：Numpy&Pandas

         Numpy(Numerical Python) 是科学计算基础库，提供大量科学计算相关功能，比如数据统计，随机数生成等。其提供最核心类型为多维数组类型（ndarray），支持大量的维度数组与矩阵运算， Numpy支持向量处理ndarray对象，提高程序运算速度。  

 

一、numpy库的安装和测试

1.使用pip安装numpy库和jupyter notebook库

        按 win+r 打开命令提示符，输入cmd，按回车进入，输入下面代码进行安装。

jupyter notebook库的安装比较慢，请耐心等待。

pip install numpy
pip install jupyter notebook

安装不了或者pip未换源的，可以看：python-快速上手爬虫-CSDN博客

 

2.arange函数测试环境安装

        安装好以后，打开pycharm。输入以下代码进行测试，若能成功输出0-9的数组，即为成功。

import numpy as np

if __name__ == '__main__':
    # 创建0,9的一维数组
    print(np.arange(10))

 

3.使用终端打开jupyter notebook

        在pycharm的最下面有一个终端，未汉化的叫Terminal。在这里输入jupyter notebook，运行完之后会在浏览器界面打开jupyter。能打开即为成功。

 

界面如图，找到自己保存代码的文件夹。

 

 在这里进行新建文件，新建之后左上角的File里的Rename可以改名。

 

二、numpy里各种创建数组的方法

一般都用np代指numpy库，提高代码书写速度和可读性

• 代码不会自动补全，按tab会有提示
• 按 shift+enter 会运行本行代码

import numpy as np

1.arange

一般用来创建一维数组，四个参数分别是：起始，结尾，步长和元素类型。默认是整数类型。

np.arange(start, stop, step, dtype)

实例：jupyter会自动打印本行最后一行代码，array即是数组类型。

 

2.array

array可以创建多维数组，可以嵌套arange使用

object：数组或嵌套的数列，dtype：元素数据类型，可选，copy：对象是否需要复制，可选 ，

order：创建数组的样式，C为行方向，F为列方向，A为任意方向（默认）

subok：默认返回一个与基类类型一致的数组

ndmin：指定生成数组的最小维度

np.array(object, dtype = None, copy =True, order = None, subok = False, ndmin = 0)

实例：

• 创建一个二维数组:
• 创建一个三维数组，并打印各维度的数值：有几个[]就是几维数组。
• 嵌套arange，创建一个二维数组：
• ndmin的用法：指定生成数组的最小维度。
• dtype的用法：使用float也行，不过np.float64更好控制精度。

 

3.随机数创建

numpy 中的 random 模块包含了很多方法可以用来产生随机数。

以下是模块里的函数，及其说明。

 

实例：

• random生成随机数：
• randint指定范围生成随机整数：一个参数 [0,low)，两个参数 [low,high)。
• randn正态分布：期望为0，方差为1。一个参数表示一个维度。
• normal生成指定的正态分布：loc表示期望，scale表示方差，size表示形状即维度

 

4.ndarary对象属性

实例：

 

5.zeros和ones创建

顾名思义就是创建一个数组，用0或者1将其填充。

# zeros创建
np.zeros(shape, dtype = float, order ='C')

# ones创建
np.ones(shape, dtype = float, order ='C')

实例：

• zeros创建：创建空数组用0填充，或者zeros_like传入数组，用0填充。
• ones创建：创建空数组用0填充，或者ones_like传入数组，用0填充。

 

6.empty创建

创建一个指定形状（ shape ）、数据类型（ dtype）且未初始化的数组，里面的元素的值可能是任意的，取决于内存的状态。

np.empty(shape, dtype = float, order ='C')

实例：y和o的值可能一样

 

7.full创建

创建全为某个指定值的数组

np.full(shape,fill_value)

实例：full新创建一个进行填充，full_like根据已有数组形状进行填充。

 

 

8.创建单位矩阵

单位矩阵：除了左上到右下的对角线是1, 其余全是0的矩阵

实例：用eye,identity进行创建。

注意！单位矩阵各维度的值必须一样。

 

9.linspace创建一维等差数列数组

linspace函数用于创建一个一维数组，数组是一个等差数列构成的，格式如下：

np.linspace(start, stop, num=50,endpoint=True, retstep=False, dtype=None)

参数解释：

start, stop, num=50：默认样本数为50,endpoint=True：为True时数列包含stop的值，为False则不包含
retstep=False：为True时生成的数组会显示间距，为False时不显示, dtype=None：数组的数据类型

实例：

 

10.logspace创建一维等比数列数组

logspace函数用于创建一个一维数组，数组是一个等比数列构成的，格式如下：

np.logspace(start, stop, num=50,endpoint=True, base=10.0, dtype=None)

参数解释：

start, stop, num=50,endpoint=True, base=10.0, dtype=None
ase 为 对数log的底数 , 其余参数作用与linspace一致

实例：注意理解该等比数列的计算方法。首项并不是等比数列中的首项。

 

总结

        本文介绍了numpy库的安装以及数组的各种创建方法。Numpy&Pandas里的函数很多，需要多多使用才能记得牢，用的熟练。