1 # coding: utf-8 2 # numpy ndarry:多维数组对象 3 import numpy as np 4 # 生成随机数组 5 data = np.random.randn(2, 3) 6 data 7 8 # 给data加一系列数学操作 9 data * 10 10 data + data 11 12 # 数组的dtype属性，用来描述数组的数据类型 13 data.shape 14 data.dtype 15 # 生成数组ndarray 16 data1 = [6, 7.5, 8, 0, 1] 17 arr1 = np.array(data1) 18 arr1 19 20 data2 = [[1, 2, 3, 4], [5, 6, 7, 8]] 21 arr2 = np.array(data2) 22 arr2 23 24 # 通过ndim shape 检查数组属性 25 arr2.ndim 26 arr2.shape 27 arr1.dtype 28 arr2.dtype 29 30 # 其他生成函数的数组 31 np.zeros(10) 32 np.zeros((3, 6)) 33 np.empty((2, 3, 2)) 34 np.arange(15) 35 np.ones((2, 3)) 36 37 # ndarry数据类型 38 import numpy as np 39 arr1 = np.array([1, 2, 3], dtype = np.float64) 40 arr2 = np.array([1, 2, 3], dtype=np.int32) 41 42 arr1.dtype 43 arr2.dtype 44 45 # astype方法转换数组的数据类型 46 47 # 整型转换为浮点型 48 arr = np.array([1, 2, 3, 4, 5]) 49 arr 50 51 arr.dtype 52 float_arr = arr.astype(np.float64) 53 float_arr.dtype 54 55 # 浮点型转换为整型 56 arr = np.array([1.2, 2.4, 0.3, -1.4, 15.6]) 57 arr 58 arr.astype(np.int32) 59 60 # 字符串转换为数字 61 numeric_strings = np.array(['1.25', '-9.6', '42'], dtype=np.string_) 62 numeric_strings.astype(float) 63 64 #使用另一数组的dtype属性 65 int_array = np.arange(10) 66 calibers = np.array([.22, .270, .357, .380, .44, .50], dtype=np.float64) 67 int_array.astype(calibers.dtype) 68 69 # 使用类型代码传入数据类型 70 empty_uint32 = np.empty(8, dtype='u4') 71 empty_uint32 72 73 # numpy数组算术 74 arr = np.array([[1., 2., 3.], [4., 5., 6.]]) 75 arr 76 77 # 相乘 78 arr*arr 79 # 相减 80 arr-arr 81 82 # 带有标量计算的算术操作 83 1 / arr 84 arr **0.5 85 86 # 同尺寸数组之间的比较 87 arr2 = np.array([[0., 4., 1.], [7., 2., 12.]]) 88 arr2 89 arr2 >arr
参考书籍：利用 python 进行数据分析
作者：舟华520
出处：https://www.cnblogs.com/xfzh193/
本文以学习，分享，研究交流为主，欢迎转载，请标明作者出处！