Numpy学习一：ndarray数组对象

NumPy是Python的一个高性能科学计算和数据分析基础库，提供了功能强大的多维数组对象ndarray。
jupyter notebook快速执行代码的快捷键：鼠标点击选中要指定的代码框，Shift + Enter组合键直接执行代码框中的全部代码。              Alt + Enter组合键执行完代码框中的代码在代码框的下面再添加一个空代码框。

1、创建数组

#引入numpy，并重命名为np，方便使用
import numpy as np

1.1、使用numpy内置的array函数创建数组

#创建一维数组
arr1 = np.array([1,2,3])
print(arr1)

结果：[1 2 3]

#创建二维数组
arr2 = np.array([[1,2,3],[4,5,6]])
print(arr2)

结果：[[1 2 3] [4 5 6]]

1.2、使用arange函数创建数组

#使用arange函数创建包含0到9 十个数字的一维数组

#注意：arange函数返回的数组默认第一个元素是0，结束元素是指定的数值前一个数字9
arr_1 = np.arange(10) 
print(arr_1)

结果：[0 1 2 3 4 5 6 7 8 9]

#通过arange函数设置“开始、结束、步长”三个参数创建包含1到10所有奇数的一维数组

 #从1开始，到10前一位结束，步长为2表示相邻两个元素的差值是2
print(arr_2)
arr_2 = np.arange(1,10,2)

结果：[1 3 5 7 9]

1.3、全0、全1数组

#使用zeros函数创建一个包含10个全0数字的一维数组
z1 = np.zeros(10)
print(z1)

结果：[ 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]

#创建3行4列的二维全0数组
z2 = np.zeros((3,4))
print(z2)

结果：[[ 0. 0. 0. 0.] [ 0. 0. 0. 0.] [ 0. 0. 0. 0.]]

#创建全1数组
o1 = np.ones(5)
print(o1)

结果：[ 1. 1. 1. 1. 1.]

#创建3行4列全1二维数组
o2 = np.ones((3,4))
print(o2)

结果：[[ 1. 1. 1. 1.] [ 1. 1. 1. 1.] [ 1. 1. 1. 1.]]

2、数组的属性方法

#查看数组o2各维度的大小
o2.shape
#运行结果是一个元组(3,4)表示第1维的大小是3（也是就是3行），第2维的大小是4（也就是4列）

结果：(3, 4)

#查看o2第1维的大小（行数）
o2.shape[0]

结果：3

#查看o2第2维的大小（列数）
o2.shape[1]

结果：4

#查看数组中元素类型
o2.dtype

结果：dtype('float64')

#类型转换函数astype,数组元素由float64类型转换成int32类型，并返回一个新的数组o2_1，原数组o2元素类型不变
o2_1 = o2.astype(np.int32)

#o2数组类型不变
o2.dtype

结果：dtype('float64')

#o2_1数组中元素类型为int32
o2_1.dtype

结果：dtype('int32')

#创建字符串类型数组
arr_string = np.array(["12.78","23.15","34.5"])
arr_string.dtype 

结果：dtype('<U5')#dtype('<U5')表示字符串不超过5位

#将字符串数组转换成浮点类型数组
arr_float = arr_string.astype(np.float64)
print(arr_float)

结果：[ 12.78 23.15 34.5 ]

#float类型数组转换成整型数组，小数部分将会被截断
arr_int = arr_float.astype(np.int32)
print(arr_int)

结果：[12 23 34]

#numpy自动识别元素类型
np.array([1,2,3]).dtype

结果：dtype('int32')