数据创建
1.常量
- numpy.nan:空值
- numpy.inf:正无穷大
- numpy.pi:圆周率
- numpy.e:自然常数 e
2.变量
Python 原生的数据类型相对较少, bool、int、float、str等。这在不需要关心数据在计算机中表示的所有方式的应用中是方便的。然而,对于科学计算,通常需要更多的控制。为了加以区分 numpy 在这些类型名称末尾都加了“_”。
- numpy 的数值类型实际上是 dtype 对象的实例
- 每个内建类型都有一个唯一定义它的字符代码
日期时间:
- 创建时间:
time = np.datetime64('2020-03-08 20:00:05')
- 从字符串创建 datetime64 类型时,可以强制指定使用的单位。
a = np.datetime64('2020-03', 'D')
- 使用
arange()
创建 datetime64 数组,用于生成日期范围:a = np.arange('2020-08-01', '2020-08-10', dtype=np.datetime64)
- timedelta64 表示两个 datetime64 之间的差
3.数组
order:‘C’ – 按行,‘F’ – 按列,‘A’ – 原顺序,‘k’ – 元素在内存中的出现顺序
创建方法:
-
一维:
a = np.array([0, 1, 2, 3, 4])
-
二维:
c = np.array([[11, 12, 13, 14, 15],[16, 17, 18, 19, 20]])
-
三维:
d = np.array([[(1.5, 2, 3), (4, 5, 6)], [(3, 2, 1), (4, 5, 6)]])
-
array()
和asarray()
主要区别就是当数据源是ndarray 时,array()
仍然会 copy 出一个副本,占用新的内存,asarray()
不会。 -
fromfunction()
,该函数可从函数中创建数组:fromfunction(function, shape, **kwargs)
-
零数组:
zeros()
函数:返回给定形状和类型的零数组zeros_like()
函数:返回与给定数组形状和类型相同的零数组。
-
1 数组
ones()
函数:返回给定形状和类型的1数组。ones_like()
函数:返回与给定数组形状和类型相同的1数组。
-
空数组:
empty(shape, dtype=None, order='C')
函数:返回一个空数组,数组元素为随机数。empty_like
函数:返回与给定数组具有相同形状和类型的新数组。
-
eye(N, M=None, k=0, dtype=float, order='C')
函数:返回一个对角线上为1,其它地方为零的单位数组。 -
identity()
函数:返回一个方的单位数组。 -
diag()
函数:提取数组对角线或根据给的数据构造新的对角数组。def diag(v, k=0)
:k:第k个对角线 -
full(shape, fill_value, dtype=None, order='C')
函数:返回一个常数数组。 -
full_like(a, fill_value, dtype=None, order='K', subok=True, shape=None)
函数:返回与给定数组具有相同形状和类型的常数数组 -
利用数值范围来创建ndarray:
arange([start,] stop[, step,])
函数:返回给定间隔内的均匀间隔的值。arange([start,] stop[, step,], dtype=None)
linspace(start, stop, num)
函数:返回指定间隔内的等间隔数字。logspace(start, stop, num)
函数:返回数以对数刻度均匀分布。numpy.random.random()
返回一个由[0,1)内的随机数组成的数组。
-
利用特定结构创建数组:
-
利用字典结构创建数组 import numpy as np personType = np.dtype({ 'names': ['name', 'age', 'weight'], 'formats': ['U30'
-