Numpy是Python用于数据科学计算的基础模块,NumPy 的数据容器能够保存任意类型的数据,可以无缝快速整合各种数据,有助于更加高效地使用pandas等数据处理工具。
数组操作
以下代码是创建一维数组与多维数组并查看数组属性的过程:
import numpy as np
arr1 = np.array([1, 1, 1, 1]) # 创建一维数组
arr2 = np.array([[1,1,1,1],[2,2,2,2],[3,3,3,3],[4,4,4,4],[5,5,5,5]]) # 创建二维数组
print("数组的维数为:",arr2.shape) # 查看数组结构
print("数组的类型为:",arr2.dtype) # 查看数组元素个数
print("数组的元素个数为:",arr2.size) # 查看数组类型
print("数组每个元素的大小为:",arr2.itemsize) # 查看数组结构
'''
数组的维数为: (5, 4)
数组的类型为: int32
数组的元素个数为: 20
数组每个元素的大小为: 4
'''
创建一些特别的数组
#使用 arange 函数创建的数组
arr1 = np.arange(0,5,1) #0-5以1为取值间隔,区间内左闭右开
#使用 linspace 函数创建的数组
arr2 = np.linspace(0,5,5) #0-5闭区间等距离取5个数
#使用 logspace 函数创建的数组
arr3 = np.logspace(0,1,4) #10^0-10^1之间取等比数列,4个数
#使用 zero 函数创建的数组
arr4 = np.zeros([2,4]) #2x4列的值全为0的数组
#使用 ones 函数创建的数组
arr5 = np.ones((5,3)) #5x3列的值全为0的数组
#使用 eye 函数创建的数组
arr6 = np.eye(4) #4维的单位矩阵
#使用 diag 函数创建的数组
arr7 = np.diag([1,2,3,4]) #对角矩阵