reshape:可以创建改变尺寸的数组
import numpy as np
a=np.arange(6)
b=a.reshape((2,3))尺寸需要注意数组的总个数
np.ones创建元素值全为1的数组
np.zeros创建元素值全为0的数组
np.empty创建空值多维数组,只分配内存,不填充任何值
np.random.random创建元素值为随机值的多维数组
ndim可以获得数组的维度 a2=np.ones((4,4),dtype=np.int64) a2.ndim->2
切片:
[:2]选择列表的前两个元素;
[2:4]选择列表的第2、3个元素;
[1:5:2]选择第1到第4个元素,步长为2 :以步长为2截取所得的数在前面的1:5的范围的数显示出来
对于二维数组,可以通过a[x,y]进行索引,三维数组可以通过a[x,y,z]进行索引
多维数组的切片[:,1]逗号前面代表将一维的所有显示出来,逗号后面则是将二维的索引为1的显示出来
当选择的维度数量小于数组的维度时,其实就是在对数组进行降维选择
In [192]: a = np.arange(27).reshape(3, 3, 3)
In [193]: a.ndim
Out[193]: 3
In [194]: a.shape
Out[194]: (3, 3, 3)
In [195]: a
Out[195]:
array([[[ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8]],
[[ 9, 10, 11],
[12, 13, 14],
[15, 16, 17]],
[[18, 19, 20],
[21, 22, 23],
[24, 25, 26]]])
In [196]: a1 = a[1]
In [197]: a1
Out[197]:
array([[ 9, 10, 11],
[12, 13, 14],
[15, 16, 17]])
In [198]: a1.shape
Out[198]: (3, 3)
In [199]: a2 = a[1, 1]
In [200]: a2
Out[200]: array([12, 13, 14])
In [201]: a2.shape
Out[201]: (3,)
In [202]: a2.ndim
Out[202]: 1
In [203]: a[2, 2, 2]
Out[203]: 26
In [209]: a[:, 1]
Out[209]:
array([[ 3, 4, 5],
[12, 13, 14],
[21, 22, 23]])
In [210]: a[:, 1] = 1
In [211]: a
Out[211]:
array([[[ 0, 1, 2],
[ 1, 1, 1],
[ 6, 7, 8]],
[[ 9, 10, 11],
[ 1, 1, 1],
[15, 16, 17]],
[[18, 19, 20],
[ 1, 1, 1],
[24, 25, 26]]])
dot运算:
Numpy自带函数:
pandas 读取其他文件的方法如下:
import pandas as pd
# JSON 文件
pd.read_json
# HTML 文件
pd.read_html
# 本地剪切板
pd.read_clipboard
# MS Excel 文件
pd.read_excel
# HDF5Format 文件
pd.read_hdf
# Feather 格式
pd.read_feather
#Msgpack
pd.read_msgpack
# Stata
pd.read_stata
# SAS
pd.read_sas
# Python Pickle 格式
pd.read_pickle
# SQL 数据库
pd.read_sql
# Google Big Query
pd.read_gbq