numpy基本命令

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'